本论文以计算机图像处理技术为重要技术手段,综合运用图像处理、色度学、模式识别等方面的知识,研究了利用计算机图像处理技术进行作物病变诊断的方法性研究。以生产中常见的两种病为主要研究对象,并利用数字图像采集技术完成图片的收集,研究了叶片图像的预处理方法。主要进行了图像处理窗口的确定、图像的灰度化处理、平滑处理等。对图像进行了两次分割:双峰法分割叶片与背景,OSTU法分割叶片正常部位与病变部位。比较了几种常见的色度学系统,提出以色调H作为颜色特征参数,对病变叶片进行识别。分别进行了色调直方图统计特征参数的计算和百分率直方图区间值特征参数提取的研究,确定以一定区间的直方图值作为区分病变叶片与正常叶片的重要依据。利用灰度共生矩阵法对图像的纹理特征进行了研究。比较了病变情况下和正常情况下叶片特征参数的区别。在此基础上,人工选择出3个特征参数作为进行病变与正常、斑疹病与角斑病模式识别的特征矢量。初步建立了识别病变叶片的识别模型,并在此模型的基础上利用模糊K—近邻法进行模式识别的初步研究。 分析测试样本的测试结果为,第一个分类器的识别效果较好,对于正常样本的判别正确率比较高,达到了80.3%。第二个分类器的识别精度较第一个分类器的精度低一些,准确率是75.2%。并对测试结果进行了误差分析,并提出了进一步的设想。 本研究为进一步开发具有智能化的植物病害诊断专家系统提供了必要的先期研究,也希望本研究能为后期的系统开发有所启迪和帮助。对缩小我国在农业信息自动化领域与发达国家的差距,促进计算机图像处理技术在我国农业工程领域的应用具有一定的意义。