颗粒图像分析仪获取图像后，依赖边缘识别、图像分割与特征统计三大核心算法完成颗粒特征提取。三者形成处理链条：边缘识别定位轮廓，图像分割分离颗粒，特征统计转化图像为量化参数，为颗粒分析提供依据。
一、边缘识别：定位颗粒轮廓的 “边界探测器”
边缘是图像中灰度突变区域，边缘识别旨在捕捉此类区域勾勒轮廓。其流程为：
预处理：用高斯滤波平滑图像，去除噪声
梯度计算：通过 Sobel、Canny 等算子计算像素灰度变化，Canny 算子经滤波、梯度计算、非极大值抑制、双阈值筛选实现高精度识别
判定：根据梯度阈值连接像素形成轮廓
实际应用中，针对颗粒重叠与低对比度图像，通过边缘方向判断重叠，用直方图均衡化增强对比度识别弱边缘。
二、图像分割：实现颗粒分离的 “区域划分器”
边缘识别后，图像分割将图像分为颗粒、背景、粘连边界区域。主要算法有：
阈值分割：基于灰度差异设定阈值，复杂图像用自适应阈值
区域生长：从种子像素按灰度相似性扩展分割
形态学分割：利用腐蚀、膨胀等运算分离粘连颗粒，修复轮廓
通过合并灰度相似区域解决过分割，结合边缘信息处理欠分割。
三、特征统计：将图像信息转化为量化参数的 “数据提取器”
分割后，特征统计提取颗粒粒度、形态、纹理参数。粒度统计面积、等效直径等参数；形态统计圆形度、长径比等衡量形状；通过边缘平滑、设定尺寸阈值、多次采样保障统计准确性。
四、三大算法的协同工作流程
三者协同处理：边缘识别勾勒轮廓，图像分割分离颗粒，特征统计提取参数生成分析报告。如粉末颗粒分析中，Canny 算子识别轮廓，自适应阈值与形态学运算分割，最后统计粒径与形状参数评估质量。
三大核心算法相互支撑，实现颗粒分析自动化，其优化创新提升分析精度与效率，为多领域研究提供技术支持。