粮食的产量与品质对人们的生活有很大影响。目前大部分的谷物检测实验还停留在利用人工肉眼观察的阶段。把图像处理应用于谷物外观的分级,可以极大提高谷物筛选的效率。使用计算机去自动检测谷物外观,相比于利用肉眼观察,具有速度快、效率高、复用性好的优点,在农产品分级的领域上非常值得研究开发。通过处理谷物图像来分析谷物的外观参数,并为谷物分级评优,具有较高的理论价值和实际意义。可以从图像中获取谷物的长度、宽度和在图像中所占的像素等一些特征参数,利用这些参数判断谷物的粒型和完整性。并且本文研究的谷物外观分析算法具有一定通用性,可以适用于大米、绿豆、糙米和燕麦等多种谷物。本文的主要工作内容和创新性如下:(1)设计了一套完整的系统,其中分为谷物外观的采集系统和谷物图片的分析系统。可以利用这一系统代替人眼观察,达到为谷物分级的目的。(2)在对一批谷物进行检测时,可能会出现谷物交叠重合在一起的情况,导致谷物参数统计出现误差。利用流域分割算法可以有效处理这一情况,该算法可以把粘连不复杂的谷物边缘切开,实现谷物的分割。但是该算法也有不足之处,比如分割过度,经常把一个籽粒区域分割成两块。而经过本文对算法的改进,可以有效的避免这种情况出现。