齿轮箱作为传动机械中控制速度重要的部件,磨损是导致故障的主要原因。齿轮箱内润滑油液中含有大量携带磨损信息的磨粒,在线监测磨损状态能够有效避免因齿轮失效导致的设备故障。但齿轮箱内光照、阴影等干扰因素使得磨粒分析变得困难,利用在线铁谱图像可视技术（OLVF:On-Line Visual Ferrograph）进行在线磨损监测,可以有效提高故障诊断的可靠性。为提高齿轮磨损在线监测的磨粒视觉信息提取精度,提出具有干扰抑制功能的在线铁谱反射光谱片的磨粒图像分割算法。针对反射光磨粒图像过暗的问题提出了基于亮度饱和度增强的磨粒图像增强算法。将磨粒图像转换为HIS（Hue Saturate Intensity）色彩空间磨粒图像,构建亮度和饱和度空间增强函数对磨粒图进行亮度和饱和度的增强,磨粒图像的亮度提高0.2070-0.3294,饱和度提高0.106-0.2952。针对反射光磨粒图像中亮度过高和过暗部分难以分割的问题,提出一种融合分水岭变换与H-minima变换的反射光磨粒分割算法,采用H-minima变化抑制磨粒图像中的极值干扰,使用分水岭算法分割磨粒图像以实现OLVF反射光磨粒图像分割。改进了传统分水岭算法的过度分割现象,磨粒图像信噪比提高24.77%,均方根误差降低了1.5%,有效提高磨粒图像的分割精度。通过在线磨粒浓度监测实验验证本文算法的可行性,当磨粒浓度改变时,可以准确分割出磨粒并得到磨粒浓度指标。利用磨粒图像的浓度变化曲线对实验过程进行定量的描述,与其他同类算法相比本文算法有效抑制了反射光的影响,更好地保留磨粒图像信息。磨粒浓度曲线相比于其他同类算法准确度提升了40.5%—56.8%,验证了本文算法的可行性。