在基于有源换流法的直流开断中,为了平衡开断可靠性以及项目成本,通常会选用中频作为换流频率。真空电弧的形态变化特别是阳极区的燃烧情况对电路能否顺利开断影响重大。深入研究电弧形态的基本特征及其随时间的发展变化规律不仅有助于电弧调控措施的研发还可以进一步指导真空灭弧室的设计。因此本文选取中频真空电弧的阳极区域为研究对象,利用数字图像处理技术对拍摄到的电弧图像进行前期预处理以及后期的特征提取,并分析了燃烧规律,为后续中频真空电弧研究提供了实验数据以及图像处理方法。为了获取中频电弧图像,首先搭建了实验平台,包括主回路、真空产生及测量装置、高速摄像电弧采集系统三个部分。在此实验平台上改变参数,获取了真空电弧阳极燃烧图像。电弧图像在拍摄过程中由于各种因素的影响往往具有噪声,而这些无用的噪声可能会掩盖后续分析时有用的特征信息。因此本文引入BP神经网络作为噪声点检测器,对每一帧电弧图像进行脉冲噪声检测,利用改进的滤除算法将噪声点合理滤除。并将本文算法与传统不同开窗中值去噪算法以客观评价指标为依据进行了对照,本文算法在保护图像细节方面要优于传统中值滤波算法。在总结以往电弧图像处理的不足以及电弧灰度分布规律基础上,采用双阈值分割算法对电弧图像进行了阈值分割,与传统阈值分割方法进行了分割效果对比,结果表明双阈值分割算法更适合电弧图像特别是阳极燃烧图像的分割。最后介绍了伪彩色图像处理技术,利用双阈值分割算法和伪彩色图像处理技术首先根据阳极区电弧的运动规律对其燃烧过程进行了划分,之后分析了不同电流频率、不同电流峰值的阳极区灰度分布,以及阳极高灰度值区域的持续时间占总半波燃弧时间百分比与电流频率和峰值的关系。