随着机器视觉的不断发展，许多相关理论的日益成熟和完善，色选算法的研究也取得了非常大的进步，并被推广到了众多领域。本文利用图像处理技术实现了大米颗粒快速、有效的识别，且检测方式自动化程度高，对大米颗粒的外观无损害，提高了米粒检测的质量，更好的改善了人们的生活质量和保障了食用大米的安全性，同时本文所提出的算法也可应用于其他颗粒物料的检测。　　本文首先搭建了系统的硬件实验平台，并对硬件系统进行了简要的说明。本系统采用LED光源、线阵CCD图像传感器、A/D模数转换芯片、USB总线接口以及PC机作为图像采集的装置，并采用FPGA作为系统硬件的控制器。　　本文应用形态学算法和纹理分析的方法对大米图像的品质进行检测。文中介绍了形态学算法中的膨胀和腐蚀运算，灰度形态学，分水岭算法和纹理分析方法中灰度共生矩阵算法的原理。　　本文通过硬件实验平台获取了米粒图像的数据，在PC机中对数据进行分析处理。本文对图像数据的预处理主要包括分析图像的灰度直方图、去掉图像的背景、直方图均衡化，以及应用形态学分水岭算法对图像进行分割。在此基础之上，运用纹理分析方法对分割出的图像数据进行处理，得到了每粒米粒在0°、45°、90°、135°角度上的能量、熵、惯性矩、相关性的特征值，并以完好米粒的检测数据为标准与其他米粒的检测数据进行比较，从而鉴别出米粒的品质。通过Matlab仿真实验研究，证明了上述色选方法的有效性，并获得了满意的结果。