图像分割是提取感兴趣区域的过程,对研究特定物体的检测、识别具有重要意义。采用人工手段对图像进行分割,可以保证分割的精度,但是其人工投入巨大且效率低下。计算机作为一种高效计算的辅助手段,可以提高图像分割效率。目前图像分割在机器视觉、人脸识别、卫星图像定位、医学影像等方面广泛应用,并解决了相关领域的许多问题。叶片作为植物最重要的器官之一,在植物的生长过程中通过光合作用为植物提供能量,因此研究植物叶片具有重要意义。植物叶片病变检测有助于分析植物生长状况并及时采取应对措施,而叶片分割是病变检测的基础。针对复杂背景下植物叶片分割方法存分割结果边缘不清晰、分割准确率较低等问题,本文提出一种针对自然光环境下的大田植物叶片分割算法。该方法先对图像进行预处理,使用基于颜色差值的分割方法,去除图片中细小的杂草;然后针对预处理造成的目标叶片内部存在破损的问题,使用显著性分割得到较完整的叶片;最后针对显著性分割存在小部分背景区域的问题,使用区域面积阈值分割方法,得到分割结果。主要研究内容如下:(1)基于颜色差值的图像预处理方法针对大田植物呈现绿色的特点,删除图像中的非绿色像素,此时图像中剩下绿色叶片和绿色杂草部分,将像素和其邻域内像素颜色差值作为衡量目标叶片和背景杂草的标准,最大程度上删除图像中的杂草。(2)基于局部与全局对比的显著性分割方法由于叶片骨架与叶片颜色差异较大,预处理方法可能会造成目标内部破损。针对这一问题,利用显著性分割方法得到完整的目标叶片,解决目标叶片内部破损的问题。(3)区域面积阈值分割方法针对显著性分割结果中存在小部分背景区域的问题,使用区域面积阈值分割方法,得到叶片最终分割结果。实验结果表明,本文方法能够准确地从复杂背景下提取出植物叶片。通过对20个样本进行计算,发现其检出率保持在97%左右,可应用于复杂背景下大田植物叶片的分割。