中国作为茶的故乡,是世界上茶饮品的销售大国。其中杭白菊作为一种传统的茶饮品,越来越受到人们的青睐。浙江桐乡是杭白菊主要产地,其产量占全国杭白菊总产量的2/3。根据生长期的不同,杭白菊主要分为胎菊和朵菊,其中胎菊为开花初期的杭白菊,朵菊为开花全完期的杭白菊。这两种杭白菊在药用价值上有很大的差异,市场价也有区别。因此在杭白菊的开花期间,首要的采摘对象为胎菊。目前的主要采摘方式主要是人工采摘,效率低,劳动强度大,成本高。由于胎菊到朵菊的生长时间短,人工采摘时间长,导致许多胎菊不能被及时采摘。为了提高胎菊的采摘效率,降低劳动力,采用自动采摘方法是必要趋势,其中胎菊的识别是自动化采摘的关键技术之一。本文以自然环境下生长的胎菊为研究对象,在国内外相关研究的基础上,运用图像处理技术,详细探讨了自然环境下胎菊的分割方法。通过机器视觉技术将胎菊从复杂的背景中识别出来,为最终实现胎菊自动化采摘做准备。主要研究内容如下:(1)为了提高采集图像的质量,根据机器视觉的相关理论,分析影响自然环境下胎菊的识别的因素,确立了胎菊识别系统的软硬件组成;为了确定合适的采摘方案,对光照过强和光照过弱条件下,不同时间段的光照强度进行测量统计,确定了合适的图像采集时间;根据胎菊植株的生长姿态,确定合适的拍摄角度和高度。(2)自然环境下的背景元素多种多样,主要有枝叶、土壤、枯草。利用几种经典的图像分割算法对自然环境下采集的图像进行背景去除。提出了一种基于颜色-纹理分割方法。该方法主要分为两部分,首先对图像进行超绿特征提取,通过分析像素变化情况,修正超绿特征,去除枯草和枝叶背景。然后利用土壤和花朵的纹理特征的不同,将花朵目标完全从背景中分离出来。(3)针对粘连杭白菊的分割,应用基于分水岭算法、基于边缘检测算法、基于K-means聚类算法三种分割算法对不同粘连类型的杭白菊图像进行分割线的提取,对比三种算法的分割结果,三种算法平均误分割率分别为5.116%、6.336%、3.813%。平均耗时分别为1.9490s、1.2595s、2.310s。可以看出,基于K-means聚类分割算法可以更好的适应不同粘连情况的杭白菊分割。(4)提出了一种利用形状特征来区分胎菊和其他生长期的杭白菊的方法。对胎菊、娃娃菊以及朵菊的二值图像进行面积、长度比、圆形度三种相对形状特征的提取,并利用圆形度提取胎菊。实验结果表明,该方法提取胎菊的平均正确率在95.651%。