数字图像处理随着计算机技术、人工智能和思维科学研究的进展,开始向更高、更深层次发展。从早期以改善图像的质量为目的阶段,发展到研究如何用计算机系统解释图像,及如何实现类似人类视觉系统理解外部世界的阶段。在蚕业领域中,蚕卵自动计数是一个重要的研究课题。目前,我国对单位重量的蚕卵个数指标的检测都是通过肉眼辨别,手工计数来完成。但由于蚕卵体积小,数量多,工作量大,单调乏味,工作人员眼睛极易疲劳,效率低,从而检测结果存在精确度较低和主观性强的缺点。同时,手工检测这种传统的手工计数方法如果操作不当,还容易损伤蚕卵,直接影响到经济效益。而以计算机为载体的数字图像处理方法,可提高蚕卵计数效率,降低操作人员的劳动强度,检测结果更为客观,同时辅以计算机的数据管理功能,提高了检测的自动化程度。因此,利用数字图像处理技术对蚕卵进行计数具有自动,客观和快速的特点,因此,受到学界的广泛关注。数字图像处理的主体是图像,可是由于噪声、光照以及物体本身的相互粘连等情况,采集后的图像质量总是会受到不同程度的影响,所以如何有效地对这类图像进行处理是本文分析研究的重点。传统的方法是采用图像分割技术首先提取主体,然后才进行后续处理。但是如果图像中存在粘连或者部分重叠的现象往往导致分割的不完整,给图像的后续分析处理带来很大的麻烦。针对这一问题,本文将粘连的非均匀背景蚕卵图像作为分析和处理的对象,提出了一种基于网格模型的处理方法,该方法采用机器学习的新策略,有效避免了硬分割的过程。另外,本文还提取出了一种有效的纹理特征来提高了SVM输出的准确率。通过实验结果的对比,证明了本文所提出的方法具有良好的鲁棒性和准确性。研究成果对粘连图像的数字处理具有一定的理论指导意义和工程应用价值。