基于图像处理的隧道掌子面地质信息研究是采用现代计算机图像处理技术对隧道掌子面图像进行分析和研究，掌握开挖出露的掌子面及其前方的地质情况，为隧道设计与施工提供必要的参考信息。国外对隧道掌子面图像研究较多，已形成一些能够应用到工程中的掌子面图像处理系统。国内的研究起步较晚，许多相关研究还不成熟，难以达到真正实用化的目的。 本文以图像处理技术为核心对隧道掌子面图像进一步研究。首先，结合经典的图像处理算法研究掌子面图像结构面边界自动提取方法。该方法引入定位精度高和抗噪能力强的Canny算子进行边缘检测；采用数学形态学细化算法对检测出的边界进行细化处理，得到单像素宽边界。在图像边界提取过程中，重点研究了掌子面图像单点和节点去除算法、边界自动连接算法和边界筛选算法分别用来减少单点噪声和伪连接、实现不连续边界自动连接以及对边界线连接后存在的噪声、伪边界等做进一步处理。接着，利用获取的结构面边界提取掌子面岩石质量指标、单位面积裂隙长度及平均裂隙间距等掌子面围岩参数，实现掌子面岩体的自动评价。然后，采用神经网络图像模式识别技术进行岩体识别。在分析局部岩体图像特征时，采用了纹理描述符和空间频率测量SFM(Spatial Frequency Measurement)。 最后，本文对研究算法结合实际情况进行应用，实验结果表明：边界自动提取算法能较完整的提取掌子面结构面边界，经过一定的修正并加入结构面产状信息即可生成地质素描图；根据提取的掌子面结构面特征参数实现对掌子面岩体的自动分析与评价；经过训练的神经网络模型能够较准确的识别岩性。