浮选是一种利用矿物表面的物理化学性质的差异分离有用矿物的分选技术。目前,国内浮选过程主要依靠浮选操作工人观察浮选泡沫状态调整浮选操作,难以保证浮选过程的优化运行。因此,研究浮选泡沫监控系统具有重要的现实意义。泡沫形态特征是重要的泡沫特征参数,泡沫图像分割是泡沫形态特征提取的关键技术,本文针对铜浮选泡沫图像的特点,研究适用于铜浮选泡沫图像的分割方法。主要研究工作包括：1、在分析铜浮选泡沫图像特点的基础上,针对泡沫图像分割过程中结构元素需人工选取的问题,采用Otsu阈值分割方法提取图像中的高亮点,按照图像高亮点的平均尺寸,将铜浮选泡沫图像分为三类,为结构元素的选取提供先验知识。2、针对铜浮选泡沫图像光照不均匀、图像中存在大量高亮点,严重影响泡沫图像分割结果的问题,提出改进的向量形态学开重构算法去除铜浮选泡沫图像中的亮点。该方法利用图像的分类结果,选取适应于不同类泡沫图像的结构元素,具有既简化计算,又保留图像颜色和轮廓信息的特点。3、分析研究了基于谷底边缘检测的泡沫图像分割方法,指出其模板尺寸难以确定,无法准确分割过大或过小泡沫图像的缺点。针对铜泡沫图像噪声大,容易产生过分割的问题,采用基于Top-Hat面积h顶重构算法提取标识图像,作为分水岭分割算法的种子点,采用形态学开闭重构算法和均值滤波算法去噪。在此基础上,提出了基于向量形态学重构的铜浮选泡沫图像分割方法,该方法有效的克服了铜浮选泡沫图像的过分割问题。通过大量实验验证了该算法分割铜浮选泡沫图像的有效性。本文提出的铜浮选泡沫图像分割方法已经应用于铜陵冬瓜山铜矿浮选泡沫监控系统中,可有效的分割不同状态下的铜浮选泡沫图像,提取泡沫形态特征,指导实际浮选生产。