本文所研究的内容是昆虫识别的前期工作，为昆虫识别提供有利于特征提取的分割图像。由于昆虫的主要识别特征包括几何特征、颜色特征、纹理特征等，可以通过一系列的特征数据进行判断(如区域面积、边界周长、孔洞数、似圆度、偏心率等)，这些数据间接反映了昆虫的许多自然特点，如身体的形状、颜色、体斑的多少、有无颚、触角及其形状如何等。因此需要首先对于昆虫图像进行分割操作，提取到便于进行特征数据计算的昆虫分割图像。主要进行三个步骤的操作并获得相应的分割图像：1、从复杂的彩色图像中分离昆虫对象。要研究的对象是昆虫，在提取昆虫的识别特征前应首先去除图像中除昆虫外的背景部分，以避免干扰。自然彩色图像的背景较为复杂，在去除时使用基于透明度的景物提取方法，本文中比较了Ruzon&Tomasi方法以及Poisson方法，并取得了实验结果，其结果图像的质量能够满足边缘检测和分割的要求。2、使用边缘检测和分割算法提取昆虫的边界图像和有较好斑特征或翅纹特征的分割图像。根据要提取的几何特征(区域面积、区域周长、偏心率、孔洞数、似圆度等)的要求，使用边缘检测方法获得昆虫的边界，以提取昆虫的整体形状，使用图像分割方法提取昆虫身体上的斑或翅纹，为计算孔洞数、似圆度等判断昆虫的斑特征和翅纹特征的数据提供了依据。在边缘检测算法的选择上，比较了几种常用的一阶微分算子的优劣，并在Canny算子的基础上提出了基于最大类间、类内距离比值的自动双阈值改进算法。在提取斑和翅纹的分割算法的选择上，对鳞翅目昆虫使用基于模糊集合的熵方法，为改善带有阴影的鞘翅目昆虫图像分割的效果，本文提出了基于局部阈值的最佳熵阈值分割方法。3、获得躯干和足、触角、颚的分离图像。一些昆虫在分类时只使用整体几何特征还不能够完全准确地进行分类，需要一些局部特征的辅助，如足、触角、颚等，并且对于鞘翅目昆虫来说，足、触角的摆放位置在一定程度上影响了整体几何特征数据的测量，因此需要将足、触角、颚与躯干进行分离。本文提出了基于数学形态学的自适应分割操作方法，采用了数学形态学中的开运算方法进行分离操作，在结构元素的选择上使用一种自适应的方式，根据昆虫实际情况确定结构元素，避免了躯干提取失真的现象，并减少了足、触角、颚的根部图像残留的现象。为在图像处理过程中去除噪声的干扰(尤其是由设备和传输引起的脉冲噪声和椒盐噪声的影响)，首先对图像进行平滑操作，本文对常用的几种平滑滤波方法进行了分析，选择使用中值滤波方法，并使用边缘的方向信息对其进行了改进，以减少平滑过程中的细节损失。