该文主要针对以下几个方面对自动手掌诊病方法进行了较深入的研究.一、手掌分割.根据自制的手掌采集设备的特点以及采集到的手掌图像的具体问题,提出了基于RGB直方图凹性分析的阈值法、以及基于RGB最大差值的阈值法.二、手掌分区.结合各种手掌诊病的理论,首次给出了应用于自动手掌诊病系统的手掌分区定义,并提出了关键点、线的概念.根据关键点的不同特性,将之分为两类--交接点和基准点.对于交接点的检测,针对左、右手掌图像中手指边缘的不同走势,分别提出了相应的八方位边界跟踪模板;对于基准点的定位,提出了基于方向投影法的定位跟踪方法.之后,根据检测到的关键点对手掌图像进行了分区.三、手掌颜色特征的提取及应用.针对掌色偏差较大的病态手掌图像识别,提取了基于色度和饱和度的二维统计特征;更普遍的,定义了基于RGB空间的特征矩阵以及基于HSV空间的特征向量为手掌的颜色特征.作为自动手掌诊病的首次尝试,将两类掌色特征应用于癌症与非癌症手掌图像的识别算法中,并根据手掌图像样本特征分布特点,提出了多中心动态聚类算法.