机械的磨损状况的检测一直一来是工业和学术研究的重要课题,而磨损状况又与磨损产生的磨粒密切相关,所以研究磨粒的特征是一种研究机械磨损非常好的手段。磨粒的特征分析是一种通过分析磨粒间接得到磨损状况的方法,由磨损状况得知机器的运行状况。针对人工分析磨粒分析的不足,本文在总结了磨粒特征的国内外分析方法基础上,运用数字图像处理和模式识别算法结合摩擦学中磨损磨粒的特点,提出了一种基于数字图像的磨粒特征分析方法,针对磨粒的形状和纹理进行了分析,并使用相关程序得到了实现。本文采用了电子显微镜及其配套驱动,完成了对磨粒图像的采集工作,在Visual Studio 2015开发平台,使用了C++和OpenCV一些函数库对图像进行了预处理、背景分割、磨粒计数、轮廓提取。然后对图像进行了形状特征的提取,主要提取了曲率半径和一些几何参数;对磨粒进行了纹理特征提取,纹理特征由细节纹理特征和全局纹理特征组成,提取方法是:检测Harris角点,用LBP算子对角点进行提取特征,将提取的特征使用K-Mean聚类,构成细节纹理特征,对整幅图片进行LBP特征提取,并进行直方图统计,构成全局纹理特征。最后使用了BP神经网络对磨粒的形状进行了分类,使用KD树算法对磨粒纹理进行了分类,识别率与人工识别相差不多,满足工程实际要求。基于数字图像的磨粒特征检测分析方法明显优于人工经验检测的常规方法,实现了图像的采集、预处理、识别、磨损分析等功能,具有效率高、识别精确、可靠性高等优点。