基于计算机视觉对植物叶片病斑进行处理分析，可以识别植物病害的病期，指导防治虫害，这是近年来计算机视觉在农业方面的热点应用之一。本文以带有病斑的植物叶片为对象，以计算机视觉技术为主要手段，进行叶片图像分割和分析，判断出植物病期。　　 采用普通数码相机采集病斑叶片图像，再通过相机标定技术获得叶片真实尺寸。为了提高病斑分割的准确性，对叶片图像进行预处理，去除噪声和背景，图像预处理技术主要包括彩色图像灰度化、小波变换、中值滤波等。在图像预处理的基础上，运用3种分割算法将病斑部分从叶片中分割出来，分割算法分别是：自适应模糊阈值分割方法，在HSI颜色空间进行病斑分割；模糊C均值聚类分割算法在L*a*b*颜色空间进行病斑分割；基于颜色通道差值的分割算法在RGB颜色空间进行病斑分割。实验证明，基于颜色通道差值的分割算法对早期病斑分割效果最好，模糊C均值聚类分割方法对中晚期病斑分割效果好，自适应模糊阈值分割算法对晚期病斑分割算法效果好。　　 对分割出来的病斑图像进行分析，提取H、S、I三通道的颜色矩特征值和病斑面积、圆形度和复杂度等几何特征值，作为分类器的输入参数。最后，用BP神经网络设计分类器，能够有效的进行病斑的病害程度分类和病期识别。用MATLAB语言设计用户演示界面，显示分割和识别结果。