近年来,随着计算机技术的发展,计算机图像处理技术被应用到人类活动的众多领域当中。为了摆脱传统铁谱分析对分析师经验的依赖,人们将铁谱磨粒图片传入计算机,利用计算机强大的数据分析处理能力,提取磨粒轮廓,识别磨粒的几何特征,并以此作为识别依据,区分磨粒类型,为机械故障诊断提供数据支持。而提取磨粒轮廓的方法采用的多为传统的Canny边缘检测算法,该算法简单有效、精确性高,是目前理论上相对最完善的一种边缘检测算法。但其所使用的Canny算子主要用于提取灰度图像的边界,对于彩色图像的边缘提取效果并不理想,容易将噪点误判为边界,因此,如何选择合适的高斯滤波核的大小和对应的门限值,在去掉噪声的同时,保护低强度边缘就显得极其重要。本文通过磨损模拟试验台获取了一组磨粒的图片,并以这组磨粒图片作为研究对象,对磨粒图像进行预处理后,通过遗传算法和蚁群算法分别对磨粒轮廓做出提取,根据轮廓提取效果,提出基于此二者的混合蚁群算法,主要研究内容如下:（1）通过磨损模拟试验台获取油液磨粒图片,并对油液磨粒图片进行了灰度化、自适应阈值分割、二值化、图像光度不均匀处理、开运算、闭运算等一系列预处理操作;（2）研究了蚁群、遗传算法提取磨粒轮廓的方法、分析了蚁群、遗传算法中各个参数的选择对算法收敛性和搜索性的影响,对蚁群提取轮廓的不足提出了几点改进方法,并利用这两种算法分别提取了磨粒轮廓,计算了工业上用来描述磨粒几何形状的10个基本参数。（3）将遗传算法和蚁群算法进行混合,利用传统Canny边缘检测算法、蚁群算法、遗传算法、混合算法分别提取了图像轮廓,计算了相关的参数,并将它们做了相应对比。