前应用最广泛的除草方法是化学除草，化学除草是利用化学农药（除草剂）进行防除杂草的方法，其主要特点是高效、省工，尤其是可以免去繁重的田间除草劳动，解放田间的劳动力，正因为化学除草具有其他除草方法所不具备的优点而被广泛应用。但是，在人们大量的使用除草剂防治草害的同时，也产生了许多不良影响，如污染农副产品及破坏生态平衡。人们从化学除草所带来的负面影响，已深刻认识到单纯依赖化学防治和“地毯式”大量喷洒除草剂的错误做法[5]。因此，想到应该采取一些有利的措施，既能有效的消除草害，提高粮食作物的产量，又能保护好人们的生存环境，达到可持续发展的目的，这就使得科学工作者对杂草控制新方法的研究成为了必然。
针对这种情况，通过研究，我们利用图像处理技术来识别杂草并确定杂草的位置和类别，从而为作物田间精确喷洒除草剂的自动化作业提供理论与技术支持。
2、杂草识别的研究方法
主要有：颜色特征分析法、形状特征分析法、纹理特征分析
法、光谱分析法和位置特征分析法与区域生长法。
1.
颜色特征分析法
颜色特征分析法是用于杂草识别的重要方法。在大自然中，植物呈现绿色，土壤呈黄褐色，岩石和无生命的植物残渣呈淡黄色。根据植物和背景的颜色特征差异就可以将植物从复杂的土壤背景中分离出来。有些杂草的茎呈现褐色，根据杂草和作物的颜色差异能够将它们区分开。
2. 形状特征分析法
形状特征分析法是利用植物的叶片形状差异进行识别。基本形状特征包括面积、周长、长度和宽度等，根据这几个基状匹配函数来识别杂草种类，他们研究了3种草(筒麻、狐尾草和打碗花)和大豆苗在子叶生长期的形状。这种方法不受子叶的大小和方向的影响，但当叶子形状复杂和叶子数目较多时却无能为力。 3. 纹理特征分析法
纹理是由很多细小的单元构成，从整体上能反应某种规律性，其灰度分布表现出某种周期性。仔细观察，会发现植物的叶片有着不同的纹理。因而可以利用叶面的纹理信息来识别作物和杂草。用于特征提取的纹理特征为：共生矩阵、方向行灰度级能量、方向滤波掩模和
分形维数、局部极值等。
4. 光谱分析的识别方法
光谱分析方法是根据物体对光的反射特性的不同，利用杂草、农作物和土壤背景的反射光谱的不同进行分析，达到识别杂草的目的。植物在生长过程中，由于植物叶面组织结构的不同，对一定波长的太阳光吸收和反射也有所不同，因此可利用这种特性来区分杂草、作物和土壤背景。
5. 位置分布特征法
位置分布特征法是基于作物的规律性种植提出的一种快速识别作物和行间杂草的方法。利用这种方法可以计算出杂草在田间分布的密度，对于条播作物除草具有广泛的研究意义和价值。H.J.Olsen 曾
经采用纵向统计灰度值的方法，提取作物行信息，从而达到识别的目的。
6. 区域生长法
区域生长法是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。
3、课题研究的主要内容：
本课题以农作物为研究对象，以实现杂草的采集、处理、识别为目的，在总结前人研究成果的基础上，结合已有的杂草识别理论和方法，研究适合基于MATLAB数字图像处理的杂草实时处理与识别的方法，并在MATLAB平台上进行图像的采集、处理及识别测试。通过不同方法的对比实验，提高处理与识别速度，并为农田机器视觉的杂草识别提供良好的理论基础。 研究内容如下： 1． 2．
图像的采集；
杂草与背景分离的研究设计。分析颜色特征，然后依据颜
色特征将彩色图像转化成灰度图像；然后利用阈值分割中的迭代运算进行了分离试验； 3．
农作物与杂草分离的研究设计。利用农作物大部分杂草分
布于作物之间的特点，采取区域生长法分离农作物与杂草； 4．
得到的图像有明显的杂质，先将图像进行二值化，然后再
通过形态学滤波法滤除杂质，得到结果。
4、杂草图像特征提取及识别系统概述
实验系统的整体结构：
本实验系统实现了从杂草图像采集、处理、识别的一系列过程，通过软件接口与单片机等硬件相连，使得整个系统能够顺利运行。下面是系统的组成结构图：
基于机器视觉的杂草图像特征提取图像采集 图像分割 图像识别
系统整体结构框图
实验系统流程图：