植物的叶片直接反映了植物的种类和植物的生长状态,而叶片中的叶脉包含了重要的植物生理信息,因此叶脉的提取对植物种类的识别和分类、探究植物间亲缘关系以及植物建模有着重要意义。随着计算机图像处理技术的快速发展,计算机图像处理技术已广泛应用于植物的研究,其中对植物建立数据库并对叶脉进行提取的研究得到了人们的关注。但是叶片的叶脉错综复杂或者模糊不清,当前的叶脉提取方法往往不能得到较为理想的提取效果。本文围绕着叶脉提取,提出了一种将Canny算子和色调信息相结合的叶脉提取方法,并利用形态学预处理和小波变换融合相关技术对叶脉提取展开了研究,主要包括以下几个部分:(1)对多种已有的传统边缘检测算子进行对比,选择基于Canny算子的边缘检测方法对叶脉进行提取。首先对比分析了几种边缘检测算子在边缘检测上的优缺点,分析了Canny算子的边缘检测原理以及三条评价准则,并使用Canny算子对Flavia数据集中的所有32种不同种类的叶片进行了叶脉提取,最后对比分析了几种不同的边缘检测算子的实验结果。(2)运用HSI颜色空间模型中的色调信息对叶脉进行提取。首先对几种常用的颜色空间进行了对比分析,并选用HSI颜色空间的H分量对叶脉进行提取,包括颜色空间转换、图像增强、二值化等步骤,并对比分析不同叶片的实验结果。(3)重点对上述两种方法得到的叶脉图像进行形态学预处理并对结果进行融合。首先对利用Canny算子和色调信息提取到的叶脉图像分别进行膨胀腐蚀操作,消除噪声,填补断裂,然后结合小波变换对两种方法的结果进行叶脉融合,对于高低频系数选定不同的融合规则,并通过实验选择最优的小波分解层数,最后引用信息熵、平均梯度和互信息量这三个客观量化标准来评价融合过程。(4)对融合后的叶脉提取结果进行评价分析。首先确定评价标准图,然后采用错分率、均方根误差、峰值信噪比、相关系数和扭曲程度等评价指标来评价本文的叶脉提取方法,并通过实验对比分析,实验结果表明本文提出的方法能够有效地提高叶脉提取的准确率。