本文首次利用分形理论对大麦(麦芽)进行系统的研究，通过对大麦(麦芽)的自然堆积的分形学特性、大麦(麦芽)籽粒的分形学特性、麦芽灰度统计图的特征分析、大麦红色、绿色、蓝色位面的统计的研究，建立大麦(麦芽)分形学特性的体系。 首先通过对大麦(麦芽)自然堆积的分形学特性的研究，得到自然堆积大麦(麦芽)的分形学特性为：大麦(或麦芽)的分维数越小，颜色越深；反之，亦然。大麦经过发芽加工后，由于大麦的溶解使得麦芽更容易破碎。不同品种的大麦与麦芽的粗粉碎图像，也遵循颜色越浅其分维数也越大的原则；由大麦和麦芽粗粉碎对比试验可知，麦芽和大麦分维数之差和库尔巴哈值呈现线性关系，即库尔巴哈值随分维数之差的增大而增大。 为了对大麦的自身分形学特性有进一步研究，对大麦籽粒的进行了灰度统计，研究结果表明：除Harrington外，这些典型大麦品种的腹面分维数都比其的背面分维数要小。从大麦背面和腹面的颜色来看，腹面的颜色更昏暗，色调更深；而其背面则相对光亮，籽粒背面的绝大部分色调都很浅。通过实验数据可以得出结论，颜色越浅的大麦品种的分维数越大；反之，颜色越深，大麦品种分维数越小；在大麦籽粒图像的像素值和千粒重的大小进行关联后，即可定量表述籽粒的饱满程度。像素值一定，千粒重越大的大麦籽粒就越饱满；反之，千粒重小的大麦籽粒就干瘪。 由于不同品种麦芽的灰度统计图都呈现出一定的规律性，为对其进行量化的描述。本论文又对麦芽灰度统计图的特征进行分析。分析结果为：在灰度统计图中，特征最大值越大，其最高点越高。即麦芽籽粒的特征最大值越大，说明其在特征色阶的颜色分布就越集中。通过对麦芽特征色阶的比较，不同的麦芽品种其特征色阶不同。通过对色差值的比较可以知道，色差值越大的麦芽籽粒颜色越鲜明；通过对麦芽的特征最大值、特征色阶、色差值的走势比较可以知道，不同品种麦芽的特征最大值和色差值的走势是一致的，这说明灰度统计图基本上都是以特征色阶为中心，特征最大值大，那么其麦芽籽粒在特征区间的分布相对较集中，即色差值大。 基于对大麦(麦芽)的灰度统计，本文又在实验中，利用红、绿、蓝位图读取软件，对大麦的3种不同的位面进行统计。因此，实现了实验从手动读取灰度值到自动读取红、绿、蓝位面值和从对灰度统计跨越到对红、绿、蓝三种位面统计的飞跃。 通过对大麦籽粒图像的数据读取的实验，我们可以清楚地知道，籽粒颜色分布情况，完全可以通过图像在3种位面的分布情况用数字表现出来。而且，这方面的研究也可以应用到其它需要对外观进行数字定量的领域。