在木材加工领域,木纤维制品的广泛应用已经成为一种趋势,伴随着其使用量的逐年递增,人们对产品质量及性能的要求也日益严格。研究表明,木纤维的形态特征对制成品的质量影响最为直接,所以说探究适用于木纤维形态检测的方法就显得尤为重要。骨架是一种降维的物体形态描述方式,利用骨架信息获取木纤维形态参数数据对于实现林业智能化加工生产具有积极作用。由于传统骨架提取算法普遍存在准确性与连通性之间难以平衡、易受边界噪声干扰等缺点,本文对传统算法进行优化,提出了基于向量内积的新型骨架提取方法,以图形数据库中的标准图像作为实验对象进行多角度验证。首先对实验图像进行欧氏距离变换,以8-邻域范围内边界向量内积值符号的变化次数作为衡量标准选取候选骨架点；再依据邻近原则及回归分析完成分支骨架的延伸处理。实验结果表明,该算法能够同时保证骨架的连通性和完整性,且定位准确,平均正确率达到92.96%。为克服传统纤维形态检测方法成本较高、误差较大、对人工的依赖程度高等缺点,本文提出了利用骨架信息测量木纤维长度及卷曲程度的方法。将骨架长度近似看作是真实长度,根据两端点坐标计算出投影长度,最终得出木纤维的卷曲指数。该方法有效避免了木纤维形态变化对长度测量准确性的影响,而月.利用卷曲指数能够量化表示木纤维的弯曲程度。另外,为弥补传统纤维形态研究缺乏数学模型支持的不足,本文对骨架离散点做了函数拟合。实验数据表明,运用多项式函数拟合木纤维形态模型是最为合理的,再依据拟合函数的一阶导数信息能够判断出木纤维形态类别。为最终实现利用图像处理技术获取木纤维形态特征的目标,本文设计实现了木纤维形态检测系统,完成了木纤维图像的骨架提取、木纤维形态特征参数测量以及木纤维形态类别判定等基本功能,对实现木纤维形态智能化检测具有推动作用。