信息技术的发展对当今社会产生了巨大而深远的影响。应用机器视觉图像处理技术实现杂草的识别能提高农业生产的科学水平、减少草害、降低劳动强度和成本投入、保护生态环境、实现农业的可持续发展，因此机器视觉图像处理技术越来越受到关注。本研究针对机器视觉田间作物与杂草识别的自然环境适应性差和实时性差的问题，对影响青椒苗、成株青椒以及茄科类作物杂草图像的背景分割效果的因素进行了基础研究。本文的主要研究内容如下： 1．阐述了植物和土壤的反射光谱特性与形成这一光谱特性的物理与生物机制，对彩色图像背景分割影响因素(光照强度、太阳高度角、土壤干湿程度和拍摄角度)进行了理论分析。 2．介绍了机器视觉系统的硬件组成，构建本研究试验所需的机器视觉硬件系统，并根据试验环境和试验要求设计了图像采集的实验方案，在室外自然光照条件下获取作物与杂草图像。 3．针对图像的分割效果受光照强度、太阳高度角、拍摄角度、土壤干湿程度的影响，提出用正交试验安排与分析这一多因素问题。通过正交试验，以图像的背景分割误差为指标，获得了四种影响因素的主次关系，并对影响青椒苗、成株青椒、阿拉伯婆婆纳图像的超绿特征阈值分割效果的主要因素进行了分析。 4．在影响因素正交试验的基础上，对彩色图像超绿特征阈值分割算法的分割效果的主要影响因素进行进一步研究。在室外自然光照条件下进行试验，获得了作物与杂草图像的超绿特征阈值分割算法中的阈值和主要影响因素之间的关系，并建立了室外自然光照条件下的光照影响因素对成株青椒图像在超绿特征阈值法背景分割下的阈值修正模型。 本文的研究内容在不牺牲图像背景分割时间的前提下，提高了作物和杂草图像的背景分割对室外自然环境的适应性，对我国开展机器视觉图像处理技术在自然环境下实时识别作物与杂草领域的研究具有重要的现实意义。