近年来，计算机视觉技术正在蓬勃发展，这也为实现农业领域的自动化、智能化检测提供了理论依据，但在病虫害的检测识别方面还只局限于实验室基础阶段，没有产生实际的应用价值。如何能够实时高效地实现自然环境下田间农作物病虫害的检测成为了计算机视觉在农业领域发展瓶颈上的新突破口。本文以棉花为研究对象，针对棉花的常见病和多发病，结合计算机视觉及摄影学的相关理论，解决了自然环境下获取图像时由于外界光照及相机参数设置等因素造成的图像信息丢失问题，并对田间棉花的病虫害检测识别提出了可行性方案。以此作为病虫害自动识别检测的理论依据，实现了从实验室基础理论研究到田间实际应用的稳步推进。主要的研究工作包括:　　HDR图像的生成与显示部分。为了突显出获取图像的亮暗细节，实现信息量的最大化和色彩的丰富化，本文针对获取的三幅不同曝光度的图像，分析研究了不同的HDRI融合方法，最终采用恢复相机曲线的方法合成高动态图像。与此同时，研究分析了高动态图像色调映射算法，最终采用基于摄影学的遮光与曝光原理实现高动态图像在显示设备上的低动态显示。　　图像分割部分。为了稳步推进棉花病虫害检测从实验室基础理论研究到田间实际的应用，本文深度分析研究了基于梯度和相位一致性的边缘检测技术，发现基于相位一致性的边缘检测方法在细节性和完整性的呈现上更具有优势。并以此为依据提取出了棉花图像中清晰的叶部信息，摒弃了较为模糊的部分，实现了图像信息的压缩处理。采用R-B分量得到灰度图像，采用全局阈值分割法和基于边缘检测的分割方法，融合其它数字图像处理技术和形态学的基本运算，完成了目标与背景的分割。　　目标特征值的提取部分。研究分析了基于几何特征和基于HU-不变矩的特征描述子，选取出了适合自然环境下描述棉花病虫害的特征，并通过实验分析对比验证选取的描述子是否为最优特征值。　　通过实验结果对比表明，本文建立的田间棉花病虫害实时检测系统能够解决在自然环境下由光照和复杂背景带来的影响，对病虫害特征的提取具有较好的效果。