硬度是材料的特性,精确计算硬度值对于研究和改善材料性能非常重要。本文所要解决的问题是运用数字图像处理的相关方法对材料维氏硬度图像中的压痕轮廓或边缘进行分割。由于采用人工方法测量材料硬度费时、精度不高且不稳定,同时,也针对很多硬度测试系统中利用图像处理技术对材料硬度进行测量时,在非理想压痕的情况下,都是将压痕图边缘认为是直线或将其拟合成直线,并且将获得的压痕图像的形状都近似认为是正菱形,进而利用正菱形的面积公式计算得到的面积等同于压痕的表面积,由此造成的硬度值误差较大的问题,提出一种改进方法。　　 本文提出了两种维氏硬度压痕图像分割算法。针对第一种维氏硬度压痕图像分割算法,本文从纹理分割的角度出发,提出了一种利用纹理特征提取压痕轮廓的方法。由于分形维数和灰度共生矩阵统计参数对维氏硬度压痕图有一定的纹理表达能力,可以较完整地描述维氏硬度压痕图的纹理特征。因此,本文尝试性的将分形维数和共生矩阵引入到对压痕图的纹理特征的描述中,形成一个n维特征向量；并采用边缘保持与噪声平滑四分滤波器(EPNSQ)对其进行其特征向量进行预处理,最后结合K-均值聚类方法对维氏硬度压痕图进行纹理分割并给出了仿真结果,同时也对该分割算法所适用的一类维氏硬度压痕图像的特点进行了分析。针对第二种维氏硬度压痕图像分割算法,本文首先采用形态学方法对图像进行预处理,有效消除各种干扰和噪声,保留图像的轮廓及边缘等重要信息；接着利用模糊K.均值聚类技术对生成的图像进行处理,将目标和背景初步分离开来；最后,本文Canny算子中的求图像梯度、非极大抑制、滞后阈值化处理对处理后的图像进行轮廓提取并给出了仿真结果,并对该分割算法所适用的一类维氏硬度压痕图像的特点进行了分析。同时,本文也针对两种维氏硬度压痕图像的分割算法分别进行了评价。此外,由于对材料硬度压痕图像的模糊测量或清晰度评价的必要性,针对维氏硬度压痕模糊图像的特点,采用Brenner评价函数的思想,提出了一种基于图像边缘梯度特征作为评价材料维氏硬度压痕图像清晰度的评价函数,并可以通过设置阈值来判断图像的质量是否合乎要求。本文中所提出的分割方法均已在Matlab7.4环境中进行了实验,试验结果显示,本文提出的方法取得了令人满意的效果,实现了对维氏硬度压痕图像的轮廓或边缘的分割及对模糊的维氏硬度压痕图像的清晰度的评价。