动态接触角指的是液滴倾斜或体积改变时随时间瞬态变化的系列接触角值,是材料科学前沿研究的一个重要表征参数,对其测量的要求也日益增高。因此,通过机器视觉技术提高动态接触角测量精度和效率,具有重要的应用价值。本文针对传统静态接触角测量中的二值化加边缘检测算法对于动态接触角识别效果不佳的问题,研究了采用混合高斯模型背景建模及改进算法进行动态铺展液滴边缘提取,并建立了系统的动态接触角测量平台,主要研究结论如下:首先,本文分析了传统混合高斯模型运动目标检测算法中主要子环节、重要参数的取值对运动目标检测精度的影响,并设计了一种具有学习速率自适应调节功能的混合高斯模型算法,通过判断视频序列所处的液滴铺展阶段,对于不同阶段取不同的学习速率α,并且根据前后多帧判断进行高斯分量数量的更新,使得该算法适用于缓慢运动目标。通过与主流运动目标检测算法进行实验对比,结果显示本文算法在处理液滴铺展视频时能更好的识别出液滴边缘图像,并且识别速度更高。其次,对识别得出的初步液滴边缘图像进行完善,并通过取随机点的方式采用最小二乘法圆拟合算法对液滴边缘图像进行拟合,获取优质的液滴边缘轮廓图像。对于静态液滴图片则采用Canny边缘检测算法进行液滴边缘图像的获取。对取得的液滴边缘图像分别选用量高法和圆拟合算法进行接触角值的计算。第三,系统的开发了基于改进混合高斯模型的实用化动态接触角测量系统软硬件平台。在Windows平台Visual Studio集成开发环境下基于C++语言和Open CV视觉库开发,通过光学平台、高速摄像机等硬件实时获取直径为1-2mm液滴定态铺展视频,并具有运动目标检测、逐帧图像边界检测、机器测量等功能。在此基础上结合MFC实现软件界面的设计,便于更新和优化所涉及的图像处理算法,减小了对于硬件水平的依赖,对于拍摄效果较差的视频依然能保持较高的准确率。最后进行了数据处理和测量精度的分析。针对液滴铺展视频序列中某些帧可能存在光照或阴影造成测量结果失真的问题,增加了边界突变判断过程,对于判定为受光照或阴影影响的帧采用标准方程法计算接触角值代替。通过选取十段液滴定态铺展视频序列进行验证,并选用特征点检测接触角测量算法进行对比,本文提出的算法在均方根误差、平均绝对误差以及误差的标准差等指标均优于特征点检测算法。