杂草对农作物的侵害一直是人们关注的问题，目前除草的主要方法是利用除草剂，由于近些年来除草剂的过度使用，造成了生产成本的增加以及环境的污染。为适应精细农业的要求和需要，本文以机器视觉为主要手段，综合运用数字图像处理、模式识别等方面的知识，以小麦田间杂草为研究对象，对自然光照条件下数码相机获取的图像进行了研究，开发出了一套杂草图像识别系统，实现了杂草的智能识别。文章首先利用了图像的颜色特征增加绿色植物与土壤背景的对比度，把植物从复杂背景环境下分离出来，将彩色图像转换成灰度图像。在图像预处理过程中，本文对多种算法进行了比较，采用了邻域平均滤波法和中值滤波法对原始图像和灰度图像滤波，去除了各种噪声对图像的影响。然后是对图像的阈值分割算法进行了研究，对比几种常用的分割算法，作者提出了改进的基于最大方差法准则的阈值分割算法，该算法比较稳定，可以不失真的把灰度图像转换成二值图像。对二值图像出现的非目标物和目标物上的黑斑点，作者运用形态学方法进行了处理。用本系统对小麦田的几种常见杂草图像做实验，针对作物和杂草的形状特征，作者提出了面积、周长、圆形度、重心四个无量钢形状特征参数作为模式识别输入特征向量。实验结果表明，圆形度是识别阔叶杂草与窄叶杂草最为有效的特征，该系统对于各种复杂背景的杂草图像处理都能获得较为满意的结果。本研究为后续准确喷洒除草剂提供了必要的理论依据，对保护生态环境，缩小我国在农业自动化领域与发达国家的差距，促进计算机图像处理技术在我国农业工程领域的应用具有一定的指导意义。