在各种钢铁材料的断裂失效分析中,通过对断口组织(韧窝)的微观分析研究可得出其断裂机理,继而才能探明材质对力学性能的本质影响。因此,对断口韧窝图像的精确分析,特别是对超细材料韧窝图像进行精确、高效的精细分析则具有重要的理论研究意义和工程应用价值。然而,长期以来,对韧窝图像的定量微观分析只能依靠专业人员以人工测量统计的模式进行,由此必然造成效率低、精度低以及占用大量人力资源,并严重影响了后续的材质控制工作。本研究在国家自然科学基金项目资助下,以韧窝图像为研究目标,首次建立了具有自主知识产权的基于小波分析的钢韧窝测量分类系统。该系统主要采用了B样条小波变换和形态学的方法对目标图像进行分割及其处理,继而实现了韧窝的自动测量及其分类。本文主要研究内容及创新点如下:1、首先在对韧窝图像特征分析的基础上,对多种图像处理算法进行了综合分析研讨,并利用小波变换进行图像预处理,以期消除各种图像噪声。2、为了克服传统边缘检测方法无法解决韧窝图像边缘缺失、模糊等问题,笔者在B样条小波边缘检测的基础上提出了一种新的基于小波变换的改进边缘检测方法。该方法将小波分析和形态学方法进行充分融合后,可清晰地检测和显示钢韧窝的边缘。3、改进算法处理过的韧窝图像边缘得到很好的检测,但仍会存在两个或多个目标对象的搭接现象,笔者提出了边界修复算法对存在边界搭接的图像进行处理,很好的解决了搭接缺陷问题。4、根据韧窝的图像特征,本文选用递归标记算法和所建立的形态学表征公式组分别对韧窝进行标定、测量,并生成相应的分析测量报告。通过该系统大量工程实例的测量分析结果表明,本文建立的基于小波分析的韧窝测量分类系统,能够完整、清晰地检测和显示韧窝的边缘,可精确、高效、便捷地进行韧窝的测量及其分类,继而为探明钢的微观组织及其力学性能的关系提供了可靠依据。