随着图像处理技术的不断提升,通过机器获取并处理数字图像能够有效代替人工完成工作。在珍珠品质检测与分级中,传统的人工分拣方式存在工作效率低、劳动强度大、主观性强、检测精度低等问题。为了改善这些问题,本文基于珍珠光学图像和图像处理技术,对珍珠品质检测与分级进行了理论研究与实验分析。本文的主要内容如下:（1）针对当前珍珠图像采集装置功耗高、体积大等问题,本研究通过对珍珠光学特性进行分析,在结合检测分级过程特点的基础上,对图像传感器、照明光源、背景板等硬件进行选型。设计实现了低功耗、体积小的珍珠图像采集装置,该装置采集的珍珠图像清晰且光学效果明显。（2）针对珍珠图像中阴影的特点,提出基于结合K-means聚类和局部梯度的阴影检测算法,实现了珍珠阴影的有效检测。针对获取的珍珠数字图像轮廓不清和噪声较多等问题,通过图像去噪实验,选择中值滤波改善图像质量。（3）在基于本文珍珠数字图像预处理流程和物距偏差校正方法的基础上,进行珍珠大小和形状检测,实验表明,检测结果与千分尺测量结果基本一致,直径检测平均误差为0.08mm,珍珠形状分类错误率在4%以内。对比现有检测方法均有一定提高。（4）在珍珠颜色和光泽检测方面,分别进行了颜色特征提取和光泽特征提取。颜色检测分别在RGB、HSV和Lab颜色空间模型中,对珍珠的三种光学特征（光源的投影、漫散射彩色光环、回音廊效应）区域进行颜色特征提取。训练GA-SVM,PSO-SVM和Grid Search-SVM模型,对不同颜色空间特征的检测效果进行分析比较,其中使用Lab颜色空间特征,GA-SVM模型在珍珠色系检测上正确率达100%,颜色分类正确率达98.1481%;珍珠光泽检测使用GA-SVM作为分类算法,光泽特征在Lab颜色空间模型中提取,使用了两种特征提取方式,一是仅提取珍珠表面亮度信息（L分量）,二是提取亮度信息和颜色信息（L、a、b三分量）。实验对比了两种光泽特征提取方式的分级效果,其中,在L、a、b三分量上提取光泽特征值训练的模型,光泽分级正确率达86.4198%。（5）在珍珠光洁度检测方面,提出基于Sobel算子的珍珠光洁度检测算法,使用Sobel算子计算出珍珠灰度图像的梯度,利用梯度信息提取出图像中的瑕疵,将珍珠表面瑕疵分为螺纹和花点花皮两类,对瑕疵的种类、数量、大小进行综合评估,将珍珠光洁度分为重瑕、瑕疵、小瑕、微瑕和无瑕五个级别,实验结果显示,本文算法能很好的对珍珠光洁度进行分级,满足检测需求。