随着信息技术的快速发展,图像处理技术已经成为当前科学研究及工业、农业、医学等众多领域的重要工具之一。粮食颗粒图像反映粮食颗粒的形态特征,其信息量大,处理比较困难。粮食颗粒图像分割是粮食颗粒图像研究中的一个关键环节,对粮食品质检测具有重要的应用价值。粮食图像分割的方法有多种。根据粮食颗粒的形态特征,本文在数学形态学和分水岭变换分割算法的基础上展开研究,改进了基于形态学的图像梯度计算与修正算法,并通过实验加以验证。本论文的主要工作包括:本文改进了基于形态学梯度变换的粮食颗粒梯度图像算法。针对粮食颗粒形态不规则,及形态学结构元素难以选取等问题,在现有形态梯度变换算法研究的基础上,引入了粮食颗粒图像分割的多尺度形态结构元素选取方法,提出了一种多尺度形态梯度均值差的梯度算法。该算法不但能较好解决形态学梯度产生的边缘跃阶和斜变问题,而且能够去除梯度图像中的微小噪声。本文重点研究了基于形态学的粮食颗粒图像修正方法。为了滤除梯度图像的噪声,利用形态学修正算法能够较好平滑梯度边缘的特性,引入了梯度图像形态学修正方法。该方法能够较好地平滑梯度图像中的不规则细节和细小噪声,同时可以增强梯度图像的对比度。为了进一步平滑标记图像的轮廓,将开闭修正与距离变换相结合,构成新的修正方法。该方法较好地去除了标记图像中的微小噪声,修正了标记图像的轮廓。论文最后采用分水岭算法对图像进行分割。本论文给出的改进的基于形态学的分水岭分割方法,与传统的分水岭算法及现有的研究结果相比,本论文的算法能够较好地解决分水岭分割算法的过分割问题,更适合分割粘连的粮食颗粒图像。