针对采矿工业中岩石颗粒的分类,传统机械筛分和人工测量岩石颗粒尺寸的方法都有实时性太差的缺点,用数字图像处理技术取代传统的复杂和耗时的手工采样方法,在岩石颗粒尺寸分布的量化上具有减少花费的人力、物力和时间的优点,以更小的劳动强度自动准确地估计尺寸分布。本文针对昏暗模糊的岩石颗粒降落体图像的特点,对岩石颗粒图像采用如下的数字图像处理技术:岩石颗粒图像增强,岩石颗粒图像边缘提取,粘连岩石颗粒的分类和粘连岩石颗粒的分离。首先引导滤波增强昏暗模糊图像,双阈值Otsu法对灰度化图像二值化;然后提取岩石颗粒图像的特征训练误差反向传播(Back Propagation,BP)的神经网络,区分颗粒是否粘连;接着提取粘连的岩石颗粒的主凹点和分割点对;最后归一化割算法分离粘连岩石颗粒。具体的研究内容分为如下的几个方面:1、岩石颗粒图像采集和预处理:在矿石或骨料传送带上,矿岩颗粒相互重叠且矿岩与传送带不易区分。而在传送带末端,矿岩颗粒由于降落分散开且容易区分前景背景,所以在传送带末端拍摄矿岩颗粒降落流图像。在图像采集过程中,图像受噪声、光照不均匀性等因素的影响,然后根据图像中含有的噪声类别选用不同滤波算法。2、岩石颗粒图像的初分割:对原始图像进行图像增强后,本文通过对比分析多种阈值分割算法的分割效果,选择双阈值Otsu法分割岩石颗粒图像,该算法具有减少岩石的粘连程度并保留了岩石的基本轮廓的优点。3、区分图像中岩石颗粒是否粘连:提取岩石颗粒的二值图像和对应的最小外接凸包之间的五个形状特征参数,人工对这些特征进行标注是否粘连,然后用这些特征向量对BP神经网络进行有监督的训练。在训练结束后,用BP神经网络来区分岩石颗粒图像是否粘连。4、粘连岩石颗粒的分离:在粘连岩石颗粒图像中,提取其凸包与边缘轮廓之间凹缺陷最深的凹点作为主凹点,选取主凹点对面距离主凹点最近的点或者对面有另一个凹点作为分割点对。然后,将分割点对融入到归一化割准则中,构建相应的权重矩阵,由归一化割分离粘连岩石颗粒。5、统计岩石颗粒图像分割的数据:根据对本文算法和传统算法分割准确率的统计分析,实验证明本文算法的有效性。最后,统计岩石颗粒的尺寸大小。