颗粒粒度是颗粒物料的重要质量指标,其准确测量对颗粒后续加工的许多技术性能和实际应用具有重要的指导意义。目前对粒度检测大多采用筛分法等人工操作的方法,存在测量时间长,检测步骤多,测量准确度受主观因素等许多不利因素影响较大。本文提出的粒度检测技术可以自动获得颗粒的粒度信息,摆脱了人工干扰而获得一致的、客观的检测结果,代表了颗粒检测的发展方向。实际上,基于图像处理技术的粒度检测具有广泛的适用性,在很多领域都有其应用,例如医学图像分析中的白细胞计数等。所以,近年来该技术已经成为国内外相关研究的热点问题之一。本论文的主要工作和创新点:(1)提出了一种改进的OTSU优化算法。利用该算法分割图像,将颗粒与背景分割开,获得目标对象即颗粒。该方法受图像对比度的变化和亮度变化以及目标比例大小的影响较小,因为同时考虑到了类内距离对图像分割效果影响,使该方法有一定的实用性。(2)提出了一种基于距离变换的种子点优化算法。利用分水岭分割算法分割图像时,要先获得种子点,而求得的种子点的好坏直接关系到算法的效果。实践中发现在使用普通的距离函数定义极限腐蚀时,对目标求得的种子点普遍存在一个主种子点多个干扰种子点即冗余种子点情况,使得分水岭分割产生过分割问题。利用该优化算法求取的种子点基本消除了冗余种子点,进而基本消除过分割现象。(3)设计了一种垂直控制方法。在计算颗粒参数时,颗粒长径与短径要求是垂直的,由于图像表示的因素,两线在大多情况下都不是绝对的垂直,所以在求短径时必须要有垂直控制机制,使所求得的短径最接近于垂直。采用该机制后所求得的颗粒短径数据最具有代表性。(4)设计了图像与实物大小的换算方法:标尺功能法与直接计算缩放倍率法。由于图像只是主观存在于计算机中,其对应实物的尺寸无法用具体的工具去测量。本论文设计的两种换算方法都能精确地计算出其尺寸,而其中标尺功能法可以达到与手工测量等同的效果。