我国作为农业大国,随着人口的增加及耕地面积的减少,保障作物产量及品质越来越重要。作物表型指作物表现出来的性状特征,测量作物表型是监测作物生长状态的基础,进而确保作物产量及品质。传统表型参量测量方法如人工测量及利用传感器接触性测量存在主观性强、重复性低及对作物有损等缺点。而基于图像处理技术对作物进行三维信息恢复并测量其表型参量不仅具有无损性和可重复性的优点,而且测量结果更为准确。本文针对作物表型精准测量研究目的,同时综合考虑成本性及实用性,基于图像处理技术开发了一套无损精准测量作物表型参量的测量系统,用于在作物生长期间监测其生长状态。文中以常见作物中的辣椒为实验对象,利用双目立体视觉模型采集作物图像,结合相机标定、图像对立体匹配、视差图优化、作物分割几方面的方案设计,通过恢复作物的三维空间信息实现对其表型参量的测量。主要研究内容如下:对目标视野大小与测量精度要求等条件综合考虑进行了相机与镜头的选型后,搭建双目立体视觉系统进行图像采集。对空间到图像坐标系的转换进行了推导,并对多种相机标定法分析其优缺点后选择张正友标定法进行相机标定,标定结果误差小于0.1像素,最后对造成误差的原因进行了分析。针对SAD(Sum of Absolute Differences)算法在简单纹理处匹配效果差与Census变换算法整体匹配精度不高的问题,采用二者结合作为匹配代价进行立体匹配,并结合左右一致性检测、中值滤波、视差填补方法实现视差图的进一步优化,匹配结果满足后续研究需要。针对作物整体的分割,利用归一化的颜色分量计算颜色因子进行灰度化后结合固定阈值分割与小面积连通域删除实现,实验结果表明该方法能将作物从复杂背景下完整分割出,且分割结果受光照影响较小。针对单株作物的分割,提出对视差图进行阈值分割,以实现待测作物与其他作物的分割,实验结果表明当前后作物之间具有一定距离的情况下可以完整的将前方待测量作物从多株作物中分割出来。该方法为在现场实际应用中针对单株作物的表型参量测量提供了解决思路。通过推导出的三维坐标计算公式得到作物点云图,验证了该方法对二维到三维转换的可靠性。设计了作物表型参量提取与测量方法:株高株宽选取作物关键点之间的距离进行计算,茎夹角通过形态学运算将作物的茎提取出来并细化得到其骨架,对骨架像素的三维坐标直线拟合进行计算。测量结果与人工测量结果相比,三者的测量误差均在2%以内。最后通过对不同测量距离、不同拍摄角度的同株作物以及不同生长环境的多株作物进行表型参量测量实验,实验结果表明该测量系统的测量结果准确,且可以较好地实现在作物生长期间对其生长状态进行跟踪性监测功能。之后对系统的搭建及测量效率进行分析。本系统实现了作物表型参量的无损自动精确测量与生长状态监测功能,其中多株作物的分割功能为实际应用中的待测作物分割提供了解决思路。同时系统中的三维测量功能也对其他种类作物是通用的,表型参量提取方法也为具有相似结构作物的表型测量提供了借鉴价值。