我国是农业大国,实现农业自动化是提高生产力的途径之一,许多学者将机器视觉方法运用于农业生产中进行了研究。如,水果品质等级分类、农产品识别和定位、植物生长状况检测、精准施肥等领域。本文选取植物叶片为研究对象,运用机器视觉方法进行分析,提取叶片形状及叶面积参数为农业生产决策提供依据,通过实验验证算法的可靠性,对比采用不同采集方法和算法的植物叶面积提取方案,找出方案间的优缺点。主要研究内容如下:（1）植物叶片数字图像获取方法。本文主要结合植物叶片实验研究的内容和对植物叶片实验图像素材的需求分别选择了手机和扫描仪这两种采集方式来对原始植物叶片的图像进行了采集,得到不同采集方式、不同的种类以及不同叶片颜色的原始植物叶片图像。对后续的植物叶图像处理打下良好的基础。（2）植物叶片叶脉特征提取方法。在传统的Canny算子的基础上,高斯滤波改进为自适应的高斯滤波。同时,实现了非极大值抑制。结合像素点灰度值与邻域像素均值的具体差值决定是否使用高斯滤波。植物叶脉提取对比了传统的Canny方法和改进的Canny方法,分析了改进后的优点。（3）叶面积计算方法。叶面积计算采用两个方案,方案一是使用扫描仪来采集绿色和黄色植物叶片图像并排序,找出图像像素点和实际面积间的关系计算出叶面积并和LA-S叶面积测量仪测量结果比较。方案二是使用手机拍照来采集绿色和黄色植物叶片图像,综合运用了立体视觉图像矫正、图像阈值分割方法等,并与万深LA-S叶面积测量仪的测量结果进行比较。试验结果表明,采用方案一计算出的植物叶片面积的平均误差为1.80%。采用方案二计算出的植物叶片面积的平均误差为4.02%。在不同使用场景下,对比了两种方法的优缺点。（4）交互系统搭建。基于Python语言利用Flask开发工具搭建一个利用移动设配在田间测量植物叶片面积的网站。本网站由前台和后台两块构成,前端实现图像上传、结果显示等功能,后台实现图像预处理、植物叶片面积计算和信息存储等功能。论文详细的阐述了机器视觉技术对植物叶片图像处理的应用,并介绍了整体的流程和实验结果。最后对未来进一步研究和改进也进行了规划和设想。