La caractérisation de la rupture des grains via des techniques d'imagerie par tomographie est un sujet de recherche d'actualité. Les principaux verrous scientifiques et techniques sont associés à la complexité des algorithmes de traitement d'images permettant de suivre le mouvement des grains et leurs ruptures.Dans cette thèse, des approches numériques basées sur le traitement d'images sont proposées afin d'améliorer la compréhension des phénomènes de rupture et de broyage dans les matériaux granulaires dont le comportement est décrit par imagerie.Premièrement, en raison de l'interdépendance de la précision de la segmentation et de la résolution des techniques d'imagerie à l'échelle de la rupture des grains, nous commençons par un état de l'art sur les différentes techniques d’élimination des bruits dans les images de milieux granulaires. Ainsi, une analyse critique des méthodes existantes est établie en se référant aux différents matériaux d'application associés.Deuxièmement, et en vue de mieux capter les informations à partir des images sources, nous proposons une nouvelle approche qui consiste à passer d'une approche morphologique par bassin versant à la segmentation des géo matériaux à une approche hiérarchique. Aussi itérons-nous les moyens par lesquels la segmentation spécifique aux différents contextes d'application de l'imagerie peut être réalisée.Troisièmement, nous présentons un modèle original pour capter les ruptures des grains en se basant sur le traitement d'images statiques; sans considération de motion pour, enfin, présenter des modèles spatio-temporels suivant l'évolution de la casse dans les images de matériaux granulaires. / Grain breakage in granular materials has been relatively, difficult to compute and characterise in tomography images. This is based on the perceived complexity of an algorithmic formulation for the characterisation of grains that move and break.In this thesis, we highlight computational approaches that augment the understanding of breakage and crushing phenomena in granular materials. Due to the inter-connectedness of segmentation accuracy and ability to compute for breakage, we start by examining noise removal techniques in granular materials. Noise removal techniques are analysed based on a set of materials to which they applied. Secondly, we deviate from a morphological watershed approach to segmentation of geomaterials, to a hierarchical approach that better captures apriori information from data sources. The ways by which context or image specific segmentation can be achieved is iterated. Thirdly, we present a model for capturing breakage in static images; without the consideration of motion. Finally, we present spatiotemporal models that track the evolution of breakage in images of granular materials.