运用传统方法识别植物病虫害，受人为因素影响较大，且一些不明显、不常见的病害难以识别。因此，本文采用计算机视觉技术和数字图像处理技术对温室大棚中番茄病害（早疫病、晚疫病、叶霉病）进行识别诊断。本文以常见的三种番茄叶部病害:早疫病、叶霉病、晚疫病为研究对象，对图像预处理、图像分割、特征提取、病害识别等几个方面都进行了研究，并取得了较好的研究结果。首先，利用中值滤波降噪得到番茄叶部病害图像。其次通过改进后的otsu阈值分割法对图像进行分割，将分割结果与改进前的方法得到的结果进行了对比，比较准确地提取出了病斑信息。在得到病斑信息后，对病斑彩色图像进行颜色空间转换，提取了病斑区域的颜色特征和病斑的形状特征。最后运用贝叶斯判别法建立贝叶斯判别函数，从而设计了贝叶斯分类器。把三种病害图像的150个样本（各50个）分成2组，一组用于训练，一组用于检验。结果表明早疫病、晚疫病识别率达到92%，叶霉病识别率达到96%，验证了该方法能对番茄病害进行有效的识别，并有较高的识别率。然后通过实验，将每个特征逐一去除，并统计病害识别率，经过比较分析，最终确定了5种具有代表性的特征（颜色特征u、v；形状特征：圆度、复杂度、伸长度）作为最优特征用于辨识（早疫病、晚疫病识别率达到92%，叶霉病识别率达到96%）。最后在Windows XP平台下，将VisualC++6.0作为开发工具，编写图像预处理、分割、特征提取和病害判定程序，最终形成完整的图像处理系统。