根是植物的三大器官之一,根不仅将植物牢牢地固定在地面上,更是对整个植物的健康生长起着关键的作用。根系的形态学参数,是植物学家研究植株健康与根系在生态环境中的作用的重要依据。因此,随着近些年科学技术的不断发展,根系图像的研究越来越深入。本论文以三种不同场景下获得的具有不同特点的根系图像作为研究对象。通过图像处理的方式从不同背景中提取出目标根系,并使用细化算法提取根的骨架,通过对其骨架进行形态学计算,得到根系的相关参数。论文的主要工作如下:1.根系生长环境特殊,导致所获取的根图像背景复杂,再加上根系自身的形态较为纤细,本文通过实验,研究了各类滤波器在根系图像中的具体表现,从而选取适当的滤波器作为预处理方式。2.对于具体的根系分割,本文尝试使用阈值分割、边缘检测和区域生长三类分割算法对不同场景得到的根系图像进行分割。分析得到的实验结果,从而得出传统算法应用于根图像时的具体表现。3.在综合对比传统分割算法的基础上,本文引入了在图像处理领域有良好表现的脉冲耦合神经网络。通过结合脉冲耦合神经网络和Sobel算子,提出一种适用于根系图像的分割方法。并将该方法与传统的分割方法从人工交互量、耗时和误分割率三个方面进行对比。4.最后,为了更加准确的获取根系形态学相关参数,本文对Zhang-Suen细化算法进行了改进,同时引入链域对根尖计数算法进行优化。然后在Matlab2018b平台上,基于根系图像处理流程以及本文涉及到的相关算法,实现了根系图像分析系统。