节子破坏木材构造的均匀性和完整性,不仅影响木材表面的美观和加工性质,更重要的是降低木材的某些强度,它是影响产品等级和质量的主要因素。利用数字图像处理技术对板材计算机断层扫描(computed tomography,CT)图像进行处理,从板材CT图像中提取树节信息,对解释树木生长现象、优化树木锯切方案和提高树木利用率均有重要意义和实用价值。同时,为木材工业机械化和自动化装备的发展提供了理论依据。与人工检测板材节子相比,使用CT技术的无损检测方法来自动获取板材节子缺陷信息,不仅可降低劳动强度、提高工作效率,检测的准确性高,而且有很大的经济价值。　　 板材CT图像,由于其节子目标和背景的灰度值差别小,且有重叠,因此一直是分割领域的难题。在使用常规的图像分割方法对板材CT图像进行二值化处理后,会出现比较严重的过分割或欠分割现象,分割效果较差；若直接对板材CT图像边缘检测,检测结果图像中往往存在虚假边缘、双边缘等现象,这给后续的三维重建和定量分析带来了困难。为了解决这个问题,本文针对板材CT图像的特点,研究检测板材节子的CT图像处理方法。主要研究内容和结论如下:　　 1)常规图像分割算法在板材CT图像中的应用　　 对板材CT图像采用一定的预处理方法,然后运用两种常规的图像分割算法试分割板材CT图像,对比分析两种算法的分割效果,由于其分割算法自身的局限性,检测出的板材CT图像都有欠分割或过分割问题,得出简单利用常规方法不能够满足板材节子自动分割的要求。　　 2)提出了适用于板材CT图像的分割方法　　 本文根据板材CT图像低对比度、低动态范围以及节子缺陷灰度值分布的特点,提出了区域生长与形态学相结合的板材CT图像自动分割方法。实验分析板材CT图像,根据节子区域中一些像素往往具有最大灰度值的特点,应用区域生长的方法,采用一定的生长准则和生长方式,寻找节子在图像中的位置。然后用形态学的处理方法对区域生长后的二值图像进行后处理,并与手工分割的节子区域进行定量评判。实验结果表明,采用区域生长与形态学相结合的算法对板材CT图像进行分割的精度高,且分割的效果明显。　　 3)基于CT图像的板材节子边缘检测研究　　 由于纹理和噪声的干扰,采用边缘检测算子直接对板材原始CT图像进行边缘检测,则检测的边缘不连续,不完整,存在虚假边缘。基于此问题,本文利用形态学梯度算子和改进的轮廊跟踪算法对板材二值化处理后的CT图像边缘检测。实验结果发现,这种边缘检测方法减少了纹理和噪声的干扰,其中改进的轮廊跟踪算法不仅检测的边缘为连续的单像素边缘,而且在处理速度上有很大的优势。　　 4)板材CT图像自动处理软件的设计　　 利用MATLAB7.0a中的GUI模块,设计了一套板材CT图像自动分析处理软件,其功能模块主要有板材CT图像的预处理模块、特征检测模块、特征边缘提取模块以及其它的辅助功能模块。