由于国内的金刚石颗粒主要依靠人工使用显微镜测量特征参数进行金刚石颗粒品级的评定,出现分级负荷大、主观性强、效率低等问题。另外随着数字图像处理技术在各行业的成熟应用,基于机器视觉的识别和测量方法已成为金刚石颗粒质量检测控制的重要发展方向。国内在基于机器视觉的颗粒检测技术研究起步较晚,并且国外使用的先进金刚石图像形貌检测仪器价格比较昂贵,相关技术都进行封锁;国内相关研究内容涉及要素比较单一,因此研究金刚石颗粒形貌检测的关键技术,对国内有效快速的确定金刚石颗粒的品级具有非常重要的意义。本课题围绕金刚石颗粒形貌检测系统的关键技术进行了深入研究,主要研究内容包括以下几个方面:根据金刚石颗粒的粒径小、表面高反光、检测特征参数多等特点,设计了一种金刚石颗粒形貌检测系统结构,详细进行了检测系统中机器视觉模块的硬件选择和软件设计。构建了由CCD工业相机、显微镜、光源等组成的图像采集系统,针对金刚石颗粒表面反光的问题,采用了LED正向单侧照明方式,获得了较好的图像效果。基于图像处理技术研究了金刚石颗粒参数的测量方法。首先为滤除颗粒图像在采集过程因光照、拍射角度、信号传输等加入的噪声,探讨了空域滤波的几种常用处理方法和常用的边缘检测算法,研究了基于中值滤波的Canny边缘检测算法,提取出了较好的颗粒轮廓边缘。然后针对提取的颗粒边缘非闭合性问题,提出了基于Hough变换的轮廓边缘定位方法,根据直线的极径和极角进行颗粒边缘直线的判断,实现了轮廓边缘直线的精确定位和拟合,得到了金刚石颗粒的封闭多边形边缘。最后,计算得到多边形的周长、面积等参数,实现了金刚石颗粒的粒径、椭圆度和圆度等参数的测量。颜色特征是衡量金刚石颗粒品质的一个重要指标。根据金刚石晶体的颜色构成,并结合二值化方法提出了一种颜色模型法的图像分割方法,将图像的RGB彩色模型转化成符合人视觉心理感知的HSV颜色空间,利用色调H、饱和度S为特征参数提取颜色特征,实现了金刚石颜色的测量。通过对颗粒灰度图像直方图特性的分析,利用颗粒灰度图瑕疵和黄色区域双峰直方图特征,采用Otsu方法实现了瑕疵的识别和筛选。论文选择VC++、OpenCV和SQLite搭建了图像处理系统的软件平台,对系列金刚石颗粒样品进行了测量实验,实现了金刚石颗粒的形状、大小、净度、透度等参数的测量,并对测量系统的实验结果进行误差分析,验证了本文所研究方法的正确性、可靠性及可行性。