旋转机械的振动信号中包含丰富的设备运行状态信息，是目前故障诊断的重要研究领域，通过分析这些振动信号可以得到大量反映设备运行状态的参数图形，因此需要研究一种对这些图形特征自动提取及识别的方法。本文针对几种常见的转子故障类型进行实验，并转化成参数灰度图形，利用数学形态学、模糊数学形态学及模糊软数学形态学的手段进行边缘检测，并讨论不同方法对特征提取以及噪声抑制的效果。本文仅针对旋转机械振动参数特征提取，不涉及故障诊断过程。　　首先，针对转子不平衡、转子不对中、气流激振、轴承松动及动静碰磨的故障进行旋转机械故障模拟实验，采集转子振动信号，形成三维谱图，并转化成灰度图形，为后续的图形处理提供原始图形。　　其次，从二值及灰度形态学角度出发，研究了旋转机械参数图形的边缘检测方法。基于灰度形态学的方法对参数图形滤波，讨论形态学滤波算子及结构元素设计的合理性对滤波效果有直接影响。对滤波后图形加以形态学图形增强。最后对滤波、增强后的参数图形进行形态学边缘检测，抽取图形的特征参数，分析形态学边缘检测的效果。　　然后，研究结构元素的分解对参数图形滤波效果的影响，通过仿真及对参数图形进行处理，分析结构元素分解的方法及对图形处理效果的影响。　　最后，从模糊数学形态学、软数学形态学及模糊软数学形态学的角度出发，研究其基本原理，基于这三种理论对旋转机械参数图形滤波，对比分析图形滤波后的效果。比较基于灰度形态学和模糊软数学形态学的参数图形边缘检测结果，对图形特征提取的效果加以分析。