活性碳纤维(Activated Carbon Fibers, ACF),也被称作纤维状活性碳,是一种性能优于普通活性碳(Activated Carbon, AC)的高效活性吸附材料,同时也是一种出色的环保工程材料。本文所研究ACF材料图像是由SEM (Scanning Electron Microscope)即扫描电子显微镜采集到的,因此图像具有光照不均匀,目标与背景对比度不明显等特点。本文从图像的预处理方法、目标边缘检测、孔洞目标分割、特征参数提取等各个环节对ACF材料图像进行深入的分析和研究。本文首先介绍了常用的图像预处理方法。针对ACF材料图像的特点,使用滤波算法、边缘细化算子和图像锐化算子等增强算法对图像进行预处理,为后续的分割以及边缘检测提供基础。基于预处理的结果上,使用轮廓模型对目标进行边缘检测并且与曲线拟合的方法进行对比,然后计算出孔洞的特征参数。本文还提出了一种基于边缘切线方向的边界跟踪方法,该方法针对图像中目标边缘有明显突变的情况。在寻找到精确切点后,通过提出的边缘连接、似圆度计算等方法获得图像中孔洞的尺寸分布。对于轮廓模型法和切线方向法不适用的图像,采用结合多阈值分割以及Hough变换的圆拟合方法,该方法的能检测出大部分的孔洞。最后,针对图像中孔洞粘连的情况,使用基于距离变换的分水岭算法、基于图像梯度的分水岭算法和基于控制标记符的分水岭算法对图像进行分割,比较了各个算法获得的结果。