提出了一種基于K-means的煤巖邊界提取算法。運用小波變換提取出煤巖圖像中大尺度特征,以剔除其雜散紋理和噪聲對后續聚類過程的影響;采用K-means算法完成煤巖邊界分布的聚類;并利用Canny算子提取出二值聚類圖像的邊緣,引入圖像形態學中的腐蝕與膨脹運算,關聯相鄰分段邊界并平滑邊界。仿真圖像與真實煤巖邊界圖像的實驗結果表明,與直接K-means和Mean shift等圖像分割算法相比,該算法能夠更為精確完整地提取出真實的煤巖分界。