通过传统方式测定叶绿素含量来诊断植物营养状况,工作量大且繁琐复杂,运用现代科技手段无论是光谱仪还是叶绿素仪进行测定,也均需要昂贵仪器设备,生产实践上很难得到推广,本论文针对这一问题研究了基于数字图像处理技术的植物营养诊断方法。实验选择大田环境下的一年生毛竹成熟叶片作为研究对象,试验设置在遂昌县不同营养水平的毛竹林,利用目前广泛使用的手机设备（以华为P30为例）对毛竹叶片进行图像获取,通过构建叶片颜色特征与叶绿素含量之间的回归模型,利用颜色特征进行判别分析,以此对不同营养水平的毛竹林进行区分,主要研究结果如下:（1）毛竹颜色特征的提取一般直接拍摄叶片会受到图片清晰度、太阳高度角以及拍摄参数的影响,本文在大量研究的基础上,（以华为P30为例）明确了拍摄高度为距叶片80CM,拍摄参数为:ISO（感光度）值100～125,S（快门速度）固定为1/60,f（焦距）为27mm,WB（白平衡）选择自动模式（AWB）,拍摄时间为9.30am—15.00pm（晴朗无风）,拍摄背景为黑色等;从获取的图像质量看来,图片清晰噪点低、目标区域干扰少,降低了后期图像处理的难度,减少了机器运算的时间,同时也为相关研究工作提供了一个重要的技术参考;由于在自然光照条件下获取的毛竹叶片图像容易出现光照不均和阴影的影响,本研究采用了对提取的R、G、B均值进行归一化的方法在数学意义上去除了光照和阴影的影响,并将其进行数学变换,提高了颜色特征与叶绿素含量的相关性。（2）毛竹叶片叶绿素含量模型构建以叶片颜色特征参数与叶绿素含量之间的相关模型构建,结果表明,颜色特征参数2r-g-b、r、r/（g+b）与Chla+Chlb（叶绿素a+叶绿素b）相关性较大,颜色特征参数2r-g-b、r/（g+b）、g/r、g-r、R与Chla（叶绿素a）相关性较大,颜色特征参数2r-g-b、r/（g+b）、r、r-b与Chlb（叶绿素b）相关性较大,以优选的上述颜色特征与叶绿素含量构建一元线性回归模型和多元线性回归模型,经过模型验证,筛选出的三个多元线性回归模型平均相对误差介于7%～13.4%,决定系数R²为0.4341～0.7905,能较好的对叶绿素含量进行估测。（3）毛竹林不同营养水平的判别模型构建通过逐步判别分析逐步保留用于建模的颜色特征参数g、b、2r-g-b、b/g,再利用Fisher典则判别分析建立三个判别分类函数,Y₁=362305.125x₁-51373.028x₂+57480.102x₃+154281.990x₄-111584.072,Y₂=365571.599x₁-54422.623x₂+57838.793x₃+156729.692x₄-113476.440,Y₃=365464.460x₁-54728.946x₂+57689.673x₃+156812.614x₄-113394.292,运用刀切法和回代估计法对模型进行验证,判别正确率均为100%,能较好的对不同营养水平的毛竹林地进行判别区分。