利用基于算法的机器视觉代替常规的人眼视觉可实现对植物病害的快速诊断与分类,本研究利用Canon A710 IS数码相机采集植物叶部病害正投影图像,采用二值化与中值滤波处理实现了图像预处理,提高了叶片病部与健部的对比度;本研究提出了一种基于K_means硬聚类算法(HCM)的植物病害彩色图像非监督性分割处理方法,对常规的K_means算法进行了优化,实现了病害图像的二值化分割和彩色分割,分割效果比较理想,鲁棒性好,对葡萄霜霉病、白粉病和日灼病平均分割准确率达90%以上;通过程序编写实现了4个形态特征、21个颜色特征和25个纹理特征的提取,并利用支持向量机(SVM)实现了小样本识别和特征的交叉检验,并对每一个图像特征的贡献值进行了评价,结果表明二维和三维颜色特征对SVM识别贡献最大,对葡萄霜霉病和白粉病的识别率高达94%以上;在对小麦条锈病和白粉病的SVM识别中,发现了圆度、复杂度等11个明显的差异特征,利用这些特征的识别率达到了100%。本研究结果为基于图像处理与图像识别的植物病害诊断提供了一定的理论基础和有效实现途径。