粒度是粉体物料的重要质量指标，对产品的许多技术性能和实际应用具有重要的指导意义。目前对粉体粒度的测量大多采用沉降法等常规方法，存在测量时间长、测量步骤多、测量准确度受主观因素影响大等许多不利因素。基于计算机视觉的粒度检测技术可以有效克服常规方法的不足，获得科学的检测结果，代表了粒度检测的发展方向。 本文根据粒度图像的特点，采用非线性对比度增强处理改善颗粒显微图像的对比度；对多种阈值分割方法进行比较，分析了它们的性能和用于粒度图像的适用性，在此基础上提出了一种基于梯度图像的动态阈值分割方法；对获取的颗粒二值图像进行形态滤波和空洞填充，设计了识别算法去除凝聚体；对重叠不太严重的粘结颗粒采用了两种基于数学形态学的分割算法；提取了周长、面积、粒径、复杂度、最长Feret径、最短Feret径等大小和形状特征参数，对珍珠粉等粉体粒度进行了测量。 实验表明用显微图像进行粒度检测，测定分布状态直观明了，检测速度快、结果稳定可靠，可广泛应用于0.1～150μm的各种物料的颗粒粒径的检测。