图像处理在农产品检测、农作物病虫草害诊断识别、精准喷药和果实采摘等方面都有着广泛的应用,取得了丰硕的研究成果,对农业各领域的现代化进程起到了十分重要的促进作用。但由于图像处理系统复杂,成本高昂,使用和维护不便,不能适应恶劣的生产环境,许多成果还没有真正被农民所接受,发挥出应有的经济效益和社会效益。如何做到对图像的实时处理的同时降低农民的使用成本是亟需解决的问题。论文将云计算与农业图像处理相结合,提出了农业图像云构想,构建了农业图像云架构。将云平台的结构分为三个层次,形成以控制层为核心,过渡层作决策判断,算法层执行具体功能的模式。建立了农业图像处理系统的Petri网模型,提出了农业图像处理系统的参数化设计方法,系统可以针对不同的目标设置不同参数进行处理,根据不同目标的不同参数,模型可自动对算法进行调度,并用FPGA对模型进行了实验验证。论文还对图像处理中各种分割、去噪和锐化算法进行了研究,重点研究了这些算法的优化和融合,提高了图像处理的质量。论文研究的具体内容如下：(1)为提高农业图像处理的实时性、系统功能的广泛性、操作使用的简便性、工作环境的适应性、使用成本的廉价性,提出了农业图像云的思想并进行了架构设计,将其核心的云平台分为三个层次：控制层、过渡层和算法层。控制层根据用户选择的服务,来调用服务需要的过渡层中的算法过渡模块；过渡层中的算法过渡模块根据服务参数来判断是否被调用,在执行条件满足时,选择算法层中相对应算法群里面空闲的算法模块执行具体的功能；算法层主要是接收过渡层中传递的数据执行算法的功能。此外还建立一个服务参数库,用来存储各个目标的参数信息。(2)针对农业图像云云平台架构中的控制层与过渡层之间的工作模式,提出参数化农业图像处理系统设计方法。它由用户对系统进行参数设置,选择所需算法,系统将根据用户的设置执行相应的算法,完成用户要求的功能。这种设计方法提高了图像处理系统的灵活性,使系统适用范围更广,适用于云平台大规模分布式并行计算模式的设计,也可以用来设计独立的参数化农业图像处理系统。(3)为了解决具有并行结构的农业图像处理系统的建模问题,提出农业图像处理系统的Petri网建模方法,构建基于参数的算法调用模式。基于Petri网对参数化农业图像处理系统的顶层控制模块进行建模,并对模型进行验证。论文使用SnoopyIOPT软件将顶层控制模块的Petri网建模图转换为PNML(Petri Net Markup Language)语言文本文件,再通过PNML2VHDL编译生成VHDL语言文件,在QuartusⅡ环境中进行仿真验证,仿真结果波形图说明了模型的正确性。(4)为了使棉花等绿色农作物图像分割效果更好,提出G-分量彩色图像圆锥分割算法,并推导任意颜色的彩色图像圆锥分割算法公式并简单验证。在色差法的基础上,提出G-分量彩色图像圆锥分割算法。为了限定目标像素灰度值的取值范围,G-分量彩色图像圆锥分割算法与阈值化分割法相融合,提出G-分量彩色图像圆台分割算法。新算法以(0,0,0)点为顶点,G轴为中心轴,r为半径做圆锥,圆锥内部同时在阈值范围内的像素点即为目标像素点。通过直方图统计的方法确定新算法中的未知量,将新算法与色差法和阈值化分割法分割的结果进行比较,结果表明新算法分割效果较好。(5)基于中值滤波和掩膜消噪法的图像滤波融合算法研究。其中5×5窗口的中值滤波去噪效果好但图像比较模糊,而掩膜消噪法去噪效果较差但图像比较清晰。将5×5窗口的中值滤波和掩膜消噪法通过分配不同权值的方式进行融合,得到新的图像去噪融合算法及结果。选择不同的权值,得到不同的结果。仿真结果表明,权值越大,图像去噪效果越好,图像越模糊,其中权值k=0.6的去噪融合算法得到的图像去噪效果较好且图像较为清晰。