图像识别与处理技术于20世纪70年代首先在西方发达国家应用于实际生产。它的出现对劳动生产率的提高具有重大意义。随后,图像识别与处理技术在世界范围内被深入研究,并广泛应用于众多领域。然而,由于扁平颗粒体的分选涉及图像识别、光学成像、工业控制、机械传动等众多领域,并且扁平颗粒体具有体积小、表面信息量少、形状不规则、双面特征分析、分选困难等特点,目前对其展开的研究工作很少。本文重点对扁平颗粒体的特征提取进行深入研究,目的在于解决实时分选过程中扁平颗粒体图像特征难以获取、分选困难等问题,着手改善动态条件下图像质量差、信息量大、实时处理能力低、检测精度低等难题,研制实验室分选原型系统,并最终将这一成果推广到其它领域的应用中。本文主要研究内容如下:(1)为了满足系统处理效率及精度要求,对图像预处理算法进行分析研究,选取合适的处理方法,满足系统实时性要求;(2)提出了表面花纹连通度、黑色区域覆盖度、直方图灰度分布差异等表象特征提取算法,并成功应用于实际分选中,这些方法对相似问题的解决同样具有借鉴意义;(3)提出扁平颗粒体尺寸测量新算法,克服了以往算法在线检测效率低、误差大的缺点,并在实际应用中得到检验。新算法同样可适用于其它相似物体的测量工作;(4)引入了一种可对扁平颗粒体进行形状规范度量的方法,通过外形轮廓判断其形状是否规范;(5)设计了扁平颗粒体分选物理设备设计方案,该方案易于实现,造价低廉,能够满足实时分选要求,具有较好的效率。