我国是水稻生产和消费大国，水稻安全生产关系到我国的粮食安全。快速筛选和培育高产优质抗病虫的水稻品种已成为科学家们共同追求的目标。稻穗作为直接影响水稻产量的器官，其性状在品种分类、产量评估、水稻育种和栽培管理中具有重要作用。目前已有的测量稻穗谷粒表型性状的方法大多需要将谷粒从稻穗上脱落，或者测量前需人工将稻穗铺开，并且无法测量谷粒3D性状。针对其不足，本文提出了一种基于CT的水稻谷粒3D性状测量与表型分析方法。选取一个野生品种(24个稻穗)和八个经EMS诱变产生的突变体水稻品种(每个品种10个稻穗)共计104个稻穗，运用CT扫描采集图像，通过三维重建软件重建出稻穗图像，经过图像处理后提取谷粒3D表型性状并进行分析。主要研究工作如下：
　　(1)稻穗三维图像处理。通过边缘检测的方法识别容器并将其从图像中去除，利用全局自适应阈值方法分割实粒图像，进一步通过基于谷粒体积统计的方法识别黏连谷粒，并对单个稻穗以及整株稻穗的分割结果可视化。
　　(2)水稻谷粒3D表型性状测量与分析。提取总粒数、实粒数、粒长、粒宽等23个谷粒表型性状，并将所提取的谷粒性状与考种机测量的数据进行比较，对测得的谷粒表型性状进行了可靠性评估，其中实粒数、粒长的R2值分别为0.98、0.96，表明CT测量方法所测的性状精度较高。同时通过分析提取的谷粒性状与谷粒总重量之间的关系，发现谷粒总体积与谷粒总重量之间的相关性最高，其R2值高达0.98，表明CT所测的性状可以用于水稻产量预测。
　　(3)水稻品种分类。建立多种不同的分类模型来对水稻品种进行分类，发现随机森林分类器比线性判别分析分类器和支持向量机分类器的识别准确率高，其平均识别率为95.19%，表明CT所测的性状可以用于水稻品种分类。
　　本文开发了一个基于CT的三维图像处理方法来提取水稻谷粒3D性状。通过对稻穗分割结果的可视化以及测量性状的可靠性评估，结果表明本文所用的水稻谷粒分割方法具有较强的鲁棒性。该方法可以用于水稻谷粒性状在体测量、稻穗动态发育以及水稻估产等研究。