颗粒是指处于分割状态下的微小固体、气体或液体,也指具有生命力的细菌和微生物。在工业、农业、科研、医学等应用领域,颗粒是一种常见的分析测量对象,通过统计样品内所含颗粒的数目和各种特征参数,就可以对其品质或特性进行分析。早期人工颗粒检测虽然可以很好将不同特征的颗粒识别出来,但是由于专业性强、工作量大、效率低,因而精度也不高。采用数字图像处理的方法分离粘连颗粒,再进行分析和测量,可减轻劳动强度,提高工作效率和测量准确度,从而得到广泛的应用,是近年来国内外的一大研究热点。本文的主要研究内容包括颗粒图像的预处理、图像分割、颗粒计数和特征参数测量。首先对颗粒图像进行各种预处理,将图像转换成灰度图像,利用灰度图像修正处理、不均匀背景去除、图像平滑处理来增强图像的对比度和减少各类噪声干扰。选择最大类间方差法对颗粒图像进行阈值分割,使颗粒从背景中分割出来,得到所需的二值化颗粒图像。其次,对二值颗粒图像进行形态学相关处理,采用面积滤波对噪声点进行消除,选择形态学开运算处理,平滑颗粒不规则边缘；在此基础上,对常见距离变换进行比较,选择欧氏距离变换,得到需要的距离变换灰度图像。然后,详细分析了传统分水岭分割算法中的过分割原因,提出一种基于扩展极大值变换的改进的分水岭分割算法,在优化的阈值范围内,该算法可准确地将复杂粘连颗粒分割成单独颗粒,大量实验结果表明,该算法具有很高的分割准确率,并可适用于不同领域的粘连颗粒图像。最后,在扩展极大值变换基础上,在小阈值范围内,对颗粒目标进行统计计数。对分割后的粘连颗粒大小参数和形状参数：周长、面积、粒径、偏心率、长径和短径、形状因子、外观比等参数进行了分析和测量。本文研究的图像分割与分析算法能快速准确地将复杂粘连颗粒物体分割开来,分割正确率和颗粒个数统计正确率都在99%以上,特征参数提取结果误差小,整个算法处理速度快,准确度高,具有很好的实时性与适应性。