在医学、农业、科研、工业等应用领域,颗粒是种常见的分析测量对象,通过统计样品内所含颗粒的数目和各种特征参数,对其品质或特性进行分析。早期的人工颗粒检测虽然很好地将不同特征的颗粒识别开来,但其专业性强,工作量大,效率低,精度不高。采用数字图像处理方法分离开粘连颗粒,再进行分析和测量,可以减轻劳动强度,提高工作效率和准确度,从而成为近年来国内外的研究热点。重点研究颗粒图像预处理与优化、图像分割、颗粒计数与特征分析。先对图像进行各种预处理,将图像转换为灰度图,利用图像平滑处理减少各类噪声干扰；选取合适的阈值对图像进行二值化,使颗粒从背景中分割出来。在分水岭算法分割粘连颗粒前进行图像优化,设计一种形态学滤波器,滤去图像中颗粒不规则的边缘,使互相粘连部分减少,填充颗粒中的孔洞；另外通过距离变换将二值图像转换为均匀分布的灰度图,消除原始灰度图像中大量存在的“伪”局部极小值点。提出一种优化的分水岭分割算法,对灰度图进行分水岭分割,将粘连颗粒分割成单独颗粒,在分割后期,对少量过分割的小面积区域,采用面积阈值法滤去小于阈值的区域,分割更加精确。大量的实验结果表明优化算法适用于不同领域的粘连颗粒图像,具有良好的适应性与鲁棒性,处理速度快。在分水岭分割的基础上提出两种颗粒自动计数方法,并利用颗粒大小,形状,颜色等特征参数来描绘颗粒的特征,提取出各项特征参数的值。本文研究的图像分割与分析算法快速准确地将粘连颗粒物体分割开来,颗粒计数准确度达到99%以上,特征参数提取结果误差小。整个算法处理速度快,准确度高,具有良好的实时性与适应性,为颗粒识别与归类打下良好的基础。