裂缝是混凝土桥梁损坏的一个征兆，裂缝检测在桥梁质量检测中是至关重要的。目前桥梁裂缝检测主要是以人工方法为主，它的缺点是耗费高、危险性高，而且效率也很低，已经不能满足日益发展的需要。近年来，基于数字图像分割技术的桥梁裂缝检测方法发挥着越来越重要的作用，其中，分水岭分割算法因其对边缘信息比较敏感的良好性能成为了图像分割领域的一大热点，但是由于它对于噪声信息也过于敏感，容易产生“过分割”现象，所以本文研究的关键问题是以桥梁裂缝图像为研究对象，通过对分水岭分割算法进行优化改进，克服过分割问题的产生，从而取得最终分割结果。桥梁图像预处理：由于裂缝在桥梁路面、支柱及底部等位置都可能产生，使得采集来的桥梁裂缝图像中常常会有各种噪声、麻面以及对比度不强等特点，难以通过直接分割的方法获取裂缝信息。本文首先通过对桥梁裂缝图像进行滤波来达到减少图像中噪声信息的目的，结合数学形态学的概念，提出了一种多角度多结构元素形态学滤波器，有效地去除了桥梁裂缝图像中的噪声信息，并保留了图像的边缘微细结构。桥梁图像分割：对滤波后的桥梁裂缝图像直接进行分水岭分割虽然有了一定程度的改善，但是过分割现象仍然比较严重。为抑制过分割问题，在传统分水岭分割算法的基础上，本文提出了一种基于标记的分水岭分割算法，该算法去除了图像中很大一部分的极小值区域，分割效果有了很大程度的改善，但是缺点是无法自动标记，在标记数量增多的时候，边界的精度会降低，而且分割结果中过分割现象仍然存在；为了更近一步地抑制过分割现象，提出了一种自适应标记的分水岭算法，分割结果得到了进一步改善，但是仍然有很少一部分的噪声信息被分割了出来；最后，提出了一种自适应多尺度分水岭分割算法，首先对滤波后的图像进行多尺度梯度变换，然后对梯度图像进行自适应标记的分水岭变换，最后对获得的图像进行改进的区域合并，有效地抑制了过分割现象。最后，在MATLAB环境下对桥梁裂缝图像分割算法进行了仿真验证。