煤炭是非常重要的战略能源,是维持国家发展必不可少的化石能源之一。在煤炭开采的过程中,作为杂质的矸石随着煤一起被开采出来。矸石的存在降低了煤的质量,影响了煤的利用效率,因此煤与矸石的分选是煤炭开采过程中不可或缺的环节。随着机器视觉技术的快速发展,针对传统选煤方式的缺点,本文研究了一种基于图像处理的煤与矸石分选方式。在实际的采煤环境中会有大量的煤尘和噪声影响图像的质量,需要对采集到的煤与矸石进行图像预处理。经过对比,选择了中值滤波方式对图像进行增强,利用阈值分割法将图像中的煤与矸石分别与背景分开。然后提出了融合局部二值模式和灰度共生矩阵两种算法对煤与矸石图像进行纹理特征提取。选取了具有旋转不变性的LBP算子将原图像转变为局部二值图像,再生成该图像的灰度共生矩阵,选择角二阶距、对比度、相关性和熵这四个纹理特征作为提取指标,进行均值和归一化处理后,用由径向基核函数构成的支持向量机进行训练和识别。利用该组合算法选取一定数量的实验样本进行分析,实验的结果验证了算法的有效性。在识别算法的基础上,本文设计了一套煤与矸石的自动分选系统。系统主要由硬件和软件两部分构成,硬件部分包括排队装置、图像采集机构、图像处理识别机构和控制执行机构四个部分;软件系统主要是基于OpenCV视觉库和.Net 4.0平台进行开发的。该系统是在机器视觉的基础上进行设计和开发的,不仅可以有效地的对开采出来的原煤进行实时的检测,而且可以实现非接触式的测量。与传统机械式的选煤方式相比,占用空间小,操作简单,成本低,易于维护,还节约了大量资源,保护了环境。本文的设计方案为实际采煤过程中煤与矸石的分选提供了一种有价值的参考。