随着图像处理与识别技术的快速发展，作物表型识别技术日趋成熟。为实现不同品种、不同生育期冬小麦叶片面积和面积系数的精准快速测定，依托VB.net和OpenCV在.NET平台下的图像处理封装库，研发了基于机器视觉的冬小麦叶片形态测量算法并设计开发了软件，软件可实现数字图片的畸变校准并可以同时测量多个叶片长、宽和面积。为验证软件测定效果，选取冬小麦绿色展开叶100片，通过与人工测量的叶片长宽、WinDIAS叶面积分析系统测量的叶面积结果对比，分析图像识别方法的准确性和稳定性。结果表明，图像识别法与人工和WinDIAS测量的冬小麦叶片长、宽和面积的相关系数均≥0.975，归一化均方根误差均≤0.10%；针对数字照片畸变校准功能进行测试，对叶片水平（垂直）缩放50%且垂直（水平）斜切30°的图像校准后，其测量结果与原始图像测量结果的最大相对误差仅为2%。说明基于机器视觉的冬小麦叶片形态识别方法，可对多种畸变图像进行准确的几何校准，可作为一种可同时准确测定多个叶片面积和长宽的新方法，在农业科学测量、农情信息业务、农业气象观测业务等领域推广应用。