在采矿、采石等工业生产中,传统的岩石颗粒质量检测方法主要依赖人的主观视觉,会造成效率低、资源浪费的问题。结合机器视觉以及图像处理技术提高岩石颗粒尺寸和形状测量的准确性是当前研究的热点。岩石颗粒在图像处理领域属于比较难处理的对象,因此,利用图像处理技术从图像中识别出岩石颗粒,对采矿及采石工程中的实时检测具有很高的实用价值。本文对非下采样 Contourlet(Nonsubsampled Contourlet Transform,NSCT)及图论的基本原理进行了详细介绍,研究内容主要围绕结合NSCT及图论的相关技术对质量不一的岩石颗粒图像实现分割,主要可以分为图像预处理和图像分割两个部分。本文的研究内容可以分为以下几个部分:1、岩石颗粒图像的分类及预处理:不同类型的岩石颗粒的特征存在差异,对其实现分割的难度也不相同,分类的目的是以便于后续的判断。岩石开采的现场环境不佳,拍摄到的岩石颗粒图像通常含有噪声,会对后续的处理结果影响,本文通过对比常见的去噪方法,利用NSCT对岩石颗粒图像进行分解,只取其前两个尺度上的能量,从而消除噪声的影响。2、改进的分水岭预分割:当岩石颗粒图像尺寸较大时,算法运行时间开销大,为了加快算法的运行速度,考虑到分水岭算法运行速度快以及容易生成小区域的优点,利用结合形态学的分水岭算法对岩石颗粒图像进行预分割,然后,结合色彩信息消除分水岭算法所产生的零边界。3、改进的图论归一化割分割方法:传统的图论归一化割运行时间开销大,结合改进的分水岭算法对传统的归一化割进行改进,以减少时间的开销,把区域作为节点映射成图,结合区域的色彩信息以及区域间的空间关系来确定归一化割的权值函数,以此从图像中识别出不同类型的岩石颗粒,该方法能够较好地分割噪声不严重的图像。4、基于NSCT及图论的含噪图像分割方法:针对工程实际应用中也希望有专门的方法能对低质量的图像进行处理,而改进的图论归一化割分割方法不能良好地处理含有较强噪声的岩石颗粒图像,为此,本文提出新算法,先利用基于NSCT的自适应阈值方法对图像进行去噪处理,再结合像素的梯度信息改进归一化割权值函数,从而对含较强噪声的岩石颗粒图像实现良好地分割。