近年来，基于生物特征的识别技术得到了快速的发展与应用，但是将生物特征技术应用于人类疾病的诊断是比较新的一个研究领域。手掌诊病作为传统中医诊病的方法之一，它通过观察人们手掌颜色，纹理，形状等特征的变化来诊断人的身体健康状况。实现手掌的自动诊病具有非常重要的意义，不仅有助于实现中医诊病的推广，更能使人们及早的发现疾病，诊断疾病，从而避免病情的恶化。在手掌的自动化诊病中，最重要的就是提取手掌的纹理和颜色特征。其中在手掌特定位置出现，能够使人们引起疾病的纹理，称之为病理纹。病理纹按照形状特点可以分为封闭纹和非封闭纹。在手掌部位特定位置出现的不同病理纹预示着人体对应器官的不同健康状况。当人体器官出现异常时，人们手掌的特定位置的颜色也会相应的出现改变。因此手掌自动化诊病最重要的就是提取出手掌特定位置的病理纹及颜色特征。本文的研究内容主要分为下面三个方面：(1)对采集到的图像进行预处理，提取手掌部分的感兴趣区域。根据手掌医学八卦图的特点和划分标准，定义了一些关键点与相关线，并利用这些点和线，对手掌按照中医诊病的八卦理论图进行分割；(2)手掌颜色特征的提取，掌色对临床望诊,辅助诊断,充实临床客观资料,预测病情,判断治疗效果有着重要价值。HSV颜色空间描述颜色的特征和人观察颜色方式最为相近，但是手掌上的颜色并不会包含所有HSV颜色空间的颜色种类，经过对大量手掌图像的实验分析，提取出了手掌颜色三个分量的最大取值区间，然后将这些区间进行放大。为了降低处理的复杂度，本文根据各个分量颜色密度，进行了量化。为了提取颜色斑点，本文采用了基于控制标记符的分水岭分割的算法，提取出手掌上的颜色斑点。并对提取到的斑点，进行了分类。(3)手掌异常纹的提取，本文针对封闭纹和非封闭纹纹理的特征，分别提出了对应的手掌纹线提取方法。首先对手掌图像的纹线进行增强，并对提取出的纹线采用Hildich细化算法进行细化。根据封闭纹的特征，提出了寻找闭合回路的方法，并根据闭合回路的周长与面积，以及边角的关系，区分各种不同的封闭纹。对于非封闭纹，首先提取了纹线相交的点，然后在进行各个方向长度判断，并求出各条边之间的夹角，从而确定是米字纹还是十字纹。