茶与中国人的生活有着紧密联系，是我国主要贸易出口的农产品之一，也是我国重要的经济作物，茶叶在出产前的最后一道工序是挑茶，主要是从色泽上来挑选茶叶的优劣，目前我国的这个检测手段仍然停留在传统低端的人工检测手段上，显然这是既费神又费力的事，而且存在较大的人为因素。因此，提出采用机器视觉技术并结合数字图像处理技术，以寻求一种快速的优劣茶叶检测方法。本文针对基于数字图像处理技术的农产品外观检测技术研究领域的核心问题——特征提取，研究适合于农产品图像的快速、高效的提取算法。农产品图像与自然图像一样，即使是同一种农产品的图像也有着一定的差异，这也正是对农产品图像特征提取的依据，如可通过颜色、纹理、形状等进行分割提取。以福建青茶铁观音图像为例，针对茶叶的图像特征，研究综合指标更好的图像特征提取算法。分析了茶叶图像中优劣茶叶的颜色特征，主要从RGB和HSV等颜色特征进行分析研究，构建特征向量函数并进行聚类算法研究，最终完成对茶叶图像色泽上的分类。论文的主要研究工作包括：1.通过大量的文献阅读和学习数字图像处理的理论知识，分析研究图像处理的相关技术方法。2.采用改进的种子算法实现茶叶图像颜色特征的区域提取，并在MicrosoftVisual C++2005编程环境下设计一套应用程序（色选机采样系统）。3.介绍了RGB颜色空间和HSV颜色空间以及其相互转换关系，重点分析了优劣茶叶在R、G、B、（R-G）、（R-B）、H、S、V8个颜色特征的分布情况，探讨了几种特征向量组合来区分优劣茶叶。4.依据Fisher判别分析理论构建特征向量函数并使用K-means聚类算法，最终完成对茶叶图像色泽上的识别。