全 文 ：第 50 卷 第 4 期
2 0 1 4 年 4 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 50，No. 4
Apr．，2 0 1 4
doi: 10．11707 / j．1001-7488．20140412
收稿日期: 2013 － 06 － 25; 修回日期: 2013 － 09 － 22。
基金项目: 公益性行业科研专项项目“微波开启木材细胞通道机理与可控技术研究”(201404516)。
基于图像处理的微波处理材裂纹评价
林兰英 何 盛 傅 峰 周永东
(中国林业科学研究院木材工业研究所 国家林业局木材科学与技术重点实验室 北京 100091)
摘 要: 采用高强度微波处理方法用于木材的功能化改性研究过程中，为了对微波处理效果进行评价，需要了解
处理材表面的裂纹特征信息。利用 Matlab 软件中的图像处理模块，通过编程对微波处理木材表面裂纹的彩色扫描
图像进行图像类型转换、图像增强、图像分割及图像形态学处理，提取图像中存在的裂纹，并最终对裂纹数量、长
度、面积等信息进行统计，可以实现对微波处理木材表面裂纹状态的科学评价。
关键词: Matlab; 木材裂纹; 图像处理; 评价
中图分类号: S781 文献标识码: A 文章编号: 1001 － 7488(2014)04 － 0084 － 06
Evaluation of the Cracks in Microwave-Treated Lumbers Based on Image Processing
Lin Lanying He Sheng Fu Feng Zhou Yongdong
(Key Laboratory of Wood Science and Technology of State Forestry Administration Ｒesearch Institute of Wood Industry，CAF Beijing 100091)
Abstract: In order to evaluate the status of cracks in microwave-treated lumbers during the research of microwave wood
functional modification． A method of evaluation the wood cracks based on the Matlab image processing was developed． It
was applied to statistically analyze the cracks in microwave-treated lumbers． The method can be used to process pictures of
wood cracks taken from scanner． The cracks can be outstanding from other areas after the steps of turning the ＲGB figures
to gray figures，subtracting the background of the figure，adjusting the contrast gradient，thresholding the gray figure．
Then write a procedure and run it in the Matlab software，the number，the length，the area and other statistical results of
the cracks in the processed figure can be obtained．
Key words: Matlab; wood cracks; image processing; evaluation
高强度微波处理可以使木材产生裂纹，提高处
理材的流体浸注性能，应用于木材功能化改性过程
中(Vinden et al．，2000; 2011)。为了对木材微波处
理效果进行评价，需要了解处理材表面裂纹特征信
息。目前，木材表面裂纹的检量主要通过人工测量
方法进行(Evans et al．，1997; 2000; 2003)，该方法
费时费力，工作效率低下，亟待开发一种简单高效的
检测方法。
随着先进设备的开发及各种工程应用软件的普
及应用，木材缺陷检测手段越来越多。CT 扫描可以
获得木材的三维图像，进而对木材存在的裂纹状态
进行分析，获得裂纹的特征信息，但该方法存在操作
复杂、成本高等缺陷(Brenner et al．，2007; Lindgren，
1991; Wei et al．，2011)。采用图像处理方法同样可
以达到提取裂纹区域、对裂纹特征信息进行统计分
析的目的，且该方法操作简单快速，在多种材料的缺
陷检测中得到了推广应用(王吴雨等，2011; 王鹏
等，2012; 成盛等，2011; 袁端磊等，2012)。在木
材裂纹分析方面，Mekhtiev 等(2004)曾采用 Image J
软件对木材的裂纹状态进行分析，获得了裂纹长度、
面积等信息。
Matlab 是一种应用广泛的图像处理软件，通过
在软件中编程，可以实现对被处理图像的类型转换、
图像增强、图像分割及形态学处理等操作，获得最终
所需的特征信息(张德丰，2012)。与 Image J 软件
相比，Matlab 软件应用更为广泛，且功能更强大。因
此，采用 Matlab 图像处理方法对木材的裂纹状态进
行分析具有积极的意义。
目前，还未有研究人员采用 Matlab 图像处理软
件对木材的裂纹信息进行过分析。在本研究中，利
用 Matlab 软件对微波处理木材表面裂纹进行分析，
获得裂纹的长度、宽度、面积及裂纹区域所占木材面
第 4 期 林兰英等: 基于图像处理的微波处理材裂纹评价
积的比例的计算结果，为微波处理材的裂纹评价提
供一种新的途径。
1 材料与方法
1. 1 材料
杉木(Cunninghamia lanceolata)生材 (无裂纹)
经高强度微波处理后，表面及内部产生裂纹，经刨光
后在扫描仪中对其弦切面及横截面进行扫描，获得
彩色扫描图像，图像分辨率为 600 dpi。弦切面扫描
图像用于分析微波处理材表面裂纹状态，而横截面
扫描图像用于分析微波处理材内部裂纹状态。本文
主要探究利用图像处理方法，对微波处理材的裂纹
状态进行分析，因此，以微波处理材弦切面扫描图像
为例进行研究。图 1 为本试验处理过程中所采用的
源图像。
图 1 源图像
Fig． 1 Original picture for processing
1. 2 方法
为识别和分析扫描图像中存在的裂纹信息，通
过 Matlab 软件编程，实现对源图像的类型转换、图
像增强、图像分割及图像形态学处理 (Mekhtiev et
al．，2004; Pham et al．，2006)，最后获得裂纹的数
量、长度、宽度、面积等统计结果。
2 结果与分析
2. 1 图像类型转换
Matlab 图像处理模块提供了许多图像类型转换
函数，通过这些函数可以实现真彩图像 ( ＲGB 图
像)、灰度图像、索引图像及二值图像之间的相互变
换。在本文的图像处理中，由于图像后期处理都是
在灰度图像基础上进行的，所以需要先将彩色扫描
图像转换为灰度图像。在 Matlab 软件中，可通过调
用 rgb2gray 函数实现彩色图像至灰度图像的转换。
经过变换后的灰度图像如图 2 所示。从图 2 可
以看出，转换后图像信息并不会丢失，不会对最终的
处理结果产生影响。
图 2 灰度图像
Fig． 2 Gray image
2. 2 图像增强
在获取源图像的过程中，各种干扰因素(灰尘、
光强等)的存在会导致源图像中存在噪声，从而影
响图像的质量。因此，在对图像进行分析之前，必须
先对图像进行增强处理。图像增强可以将图像中感
兴趣的特征有选择地突出，并衰减不需要的特征，以
便后期对图像特征进行识别分析。本文对木材裂纹
识别的过程中，图像增强的主要目的就是将源图像
中的裂纹信息凸显，同时弱化图像中其他部分的
信息。
本文所进行的图像增强处理主要包括 3 个方
面: 增强对比度、滤波处理、锐化处理。
1) 增强对比度 对比度增强处理的目的是使
源图像中各部分的反差增强。本文进行对比度增强
处理的目的是使源图像中裂纹区域与其他部分的区
别更为明显，主要通过调用 imadjust 函数来实现。
图 3 为对比度增强后的对比图。
图 3 对比度增强处理
Fig． 3 Contrast enhanced image
从图 3 可以看出，源图像经过对比度增强处理
后，其中存在的裂纹信息得到一定程度的增强，与图
像背景之间的区别更为明显。但是，由木材颜色较
58
林 业 科 学 50 卷
深的晚材带所引起的图像噪声同样得到增强，可能
会对后期的图像处理过程产生影响 ( Christy et al．，
2005)，因此需要在对比度增强后对图像进行进一
步处理。
2) 滤波处理 滤波处理的目的是减少图像中
存在的噪声。本文对图像进行滤波处理的目的是减
少图像中晚材带色深区域对后期处理结果的影响，
可以利用空域和频域滤波器中的平滑滤波器进行。
本文分别采用空域滤波处理中的掩膜去噪法、邻域
平均法、中值滤波对经过对比度增强后的图像进行
滤波增强处理。图 4 为处理后的效果图。从图中可
以看出，采用空域滤波处理后的图像虽然较处理前
更为平滑，图像中噪声得到了一定程度的抑制，但均
出现了明显的模糊，最终处理效果并不好。
图 4 空域滤波处理效果
Fig． 4 Spatial filter processing results
空域滤波处理效果并不理想，因此，本文还采用
频域滤波处理中的同态滤波器对图像进行处理。图
5 为处理后的效果图。从图中可以看出，经过同态
滤波器处理后的图像没有出现明显的模糊现象;同
时，经过处理后的图像对比度相对处理前得到了增
强，且图像灰度分布区间相对处理前更小，木材晚材
带与裂纹的区别更明显，有利于后续的图像分割
处理。
图 5 同态滤波器处理效果
Fig． 5 Homomorphic filter processing result
通过对图像进行以上的滤波处理可以看出，采
用同态滤波器对未经对比度增强处理的图像进行处
理后得到的处理效果好，它可以使图像中裂纹突出
的同时，减小木材晚材带对裂纹识别的干扰。因此，
选用该方法对图像进行滤波处理。
3) 锐化处理 图像识别需要有边缘鲜明的图
像，然而经过以上的平滑滤波器对图像进行处理后，
图像均会出现一定程度的模糊，因此就有必要对图
像进行锐化处理，以突出图像的边缘信息，加强图像
的轮廓特征，以便于人眼的观察和机器的识别。本
文采用拉普拉斯增强及线性锐化滤波处理方法对降
噪处理后的图像进行锐化处理。处理后的图像如图
6 所示。
图 6 图像锐化处理
Fig． 6 Image sharpening process
通过以上 2 种方法锐化处理后，图像中的裂纹
68
第 4 期 林兰英等: 基于图像处理的微波处理材裂纹评价
信息得到了进一步增强，便于识别;同时木材晚材带
对裂纹识别的干扰进一步减小。对比以上 2 种锐化
处理方法可以看出，线性锐化滤波处理的效果更好，
裂纹信息更为清晰，在后续的处理过程中可选用该
方法进行。
2. 3 图像分割
对图像进行处理时，人们往往仅对图像中的某
些部分感兴趣，它们一般对应图像中特定的、具有独
特性质的区域。如胶合板胶合强度试件的木破率检
测，木材破坏区域即为目标区域 (McMillin，1982;
Zink et al．，1998; Yang et al．，2008)。为了识别和分
析图像中的目标，需要将它们从图像中分离提取出
来，在此基础上才有可能进一步对目标进行测量和
分析。
本文对微波处理材裂纹的分析过程中，图像中
存在的裂纹即为图像分割的目标区域。裂纹区域的
灰度值与其他部分有所不同，可以采用阈值分割方
法对被处理图像进行分割 ( Funck et al．，2003;
Cavalin et al．， 2006 )。在 Matlab 软 件 中 调 用
graythresh 函数计算图像阈值，对经过线性锐化滤波
处理后的图像进行阈值分割后获得二值图像。图 7
为经过阈值分割后的二值图像。
图 7 阈值分割图像
Fig． 7 Image after threshholding
从分割后的二值图像中可以看出，除了裂纹
外，图像中还存在较多的杂点，主要是木材材色
不均所引起的图像噪声。噪声的存在会对裂纹
分析产生干扰，因此需要对分割后的图像进行进
一步的处理。
2. 4 图像形态学处理
图像形态学处理是指用具有一定形态的结构
元素去量度和提取图像中的对应形状，以达到对
图像分析和识别的目的(张德丰，2012)。通过图
像形态学处理可以排除图像分割后图像中存在的
噪声。除了噪声的干扰外，源图像中原本连续的
裂纹在阈值分割后会产生断裂。为了减少裂纹断
裂对最终裂纹数量统计的影响，需要将断裂的裂
纹连接起来，这个操作同样可以通过形态学处理
方法完成。
1) 二值图像降噪处理 从分割后的二值图像
中可以看出，相对其中的裂纹信息而言，图像中存在
的噪声大多尺寸小且不连续，因此可以考虑通过去
除小尺寸对象的方式来去除图像中存在的噪声。本
文主要通过调用 bwareaopen 函数来完成。图 8 为去
除尺寸较小的噪声后得到的二值图像。
经过以上降噪处理操作后，图像中有部分尺寸
较大的噪声仍未去除，如图 8 中红色标记 (椭圆形
区域) 所示。如果加大去噪过程中去除对象的尺
寸，会同时将部分较小的裂纹去除，因此不能采用该
方法。而通过调用 roifill 函数，采用区域填充的方
法可以达到去除大尺寸的噪声的目的。处理后的效
果图如图 9 所示。从图 9 可以看出，分割后图像中
存在的噪声已完全去除。
图 8 去除噪声后图像
Fig． 8 Image after denoise process
2) 断裂裂纹闭合 分割后的图像经过去噪处
理后，有部分原本完整的裂纹产生了断裂。为了避
免其对最终裂纹信息统计结果产生影响，需要将断
裂的裂纹连接起来。本文采用形态学处理中的闭运
算操作，通过创建一个平面的线形结构元素使裂纹
的断裂区域闭合。图 10 为处理后的效果图。从图
10 可以看出，经过以上处理后，裂纹形态清晰、界限
明显，该图像即为裂纹分析的最终处理结果，可以应
用于裂纹信息统计过程中。
3) 裂纹信息统计 为了评价图像中存在的裂
纹状态，需要获得裂纹的统计信息。本文采用
78
林 业 科 学 50 卷
图 9 大噪声消除后的图像
Fig． 9 Image after big noise removed
图 10 木材裂纹图像最终处理结果
Fig． 10 The final result of wood crack image processing
Matlab 软件中形态学处理操作，获得了裂纹数量、裂
纹长度、宽度及面积等信息，并由此计算出图像中裂
纹区域所占图像面积的比例。
首先，通过调用 bwlabel 函数对裂纹进行编号，
可以统计图像中的裂纹数量。经统计，图像中存在
的裂纹数量为 15 条。其次，利用 regionprops 函数可
以计算出每条裂纹对应的长度、宽度及面积。裂纹
信息统计结果如表 1 所示。
源图像在长度方向上的像素数为 312 个，而在
宽度方向上为 171 个，由此可以计算出源图像的总
像素数为 312 × 171 = 53 352 个。根据表 1 的统计
结果，图像中裂纹区域的像素合计为 3 468 个，由此
计算出源图像中裂纹区域所占的比例为 6. 5%。源
图像对应木材的宽度为 50 mm，因此可以计算出单
位像素的尺度为 50 /171 mm，单位像素所占面积为
(50 /171) 2mm2，由此，可以将裂纹统计结果换算成
国际单位制来表示。
表 1 裂纹尺寸分析结果
Tab． 1 The results of cracks’dimensions
序号
No．
裂纹面积
Area of the crack
裂纹长度
Length of the crack
裂纹宽度
Width of the crack
像素个数
Pixels mm
2 像素个数
Pixels
mm 像素个数
Pixels
mm
1 52 4. 446 52 15. 20 1 0. 29
2 666 56. 94 312 91. 23 4 1. 17
3 354 30. 27 216 63. 16 3 0. 88
4 34 2. 907 17 4. 97 2 0. 58
5 332 28. 38 139 40. 64 3 0. 88
6 142 12. 14 69 20. 17 3 0. 88
7 297 25. 39 137 40. 06 7 2. 05
8 92 7. 866 59 17. 25 3 0. 88
9 17 1. 453 17 4. 97 1 0. 29
10 545 46. 6 274 80. 12 5 1. 46
11 195 16. 67 82 23. 98 5 1. 46
12 219 18. 72 92 26. 90 5 1. 46
13 408 34. 88 184 53. 80 8 2. 34
14 74 6. 327 52 15. 20 2 0. 58
15 41 3. 505 33 9. 65 2 0. 58
合计 Total 3 468 296. 5 — —
3 结论及建议
1) 通过图像类型转换、图像增强、图像分割及
图像形态学处理，使微波处理材表面裂纹与图像背
景分割开来。
2) 利用该方法可以统计微波处理材表面裂纹
的数量、长度、宽度及面积，计算出处理材材面上裂
纹区域所占的比例。
3) 早晚材急变树种，晚材带材色较深，其灰度
值与裂纹区域相近，会增加图像分割的难度，造成分
割后的图像中存在噪声。为避免这种噪声干扰，可
以通过图像形态学处理方式去除。而当晚材带颜色
对分割图像影响严重时，建议采取低浓度染料封闭
图像处理区域的方法，避免其对最终的裂纹统计分
析产生影响。
4) 可以考虑将图像处理方法应用于木材科学
研究的其他领域，如将其应用于胶合板木破率的检
测过程中，减小目测方法造成的人为误差，提高木破
率检测的精度及科学性。
参 考 文 献
成 盛，金南国，田 野，等 ． 2011． 混凝土裂缝特征参数的图形化
定量分析新方法 ． 浙江大学学报: 工学版，45(6) : 1062 － 1066．
王吴雨，林苏斌，缪希仁 ． 2011． 图像处理技术在玻璃缺陷检测中的
应用 ． 工业控制计算机，24(2) : 68 － 70．
王 鹏，杜卫东，汪立新，等 ． 2012． 射线检测中胶片焊缝缺陷定位
与识别 ． 西安工业大学学报，32(4) : 321 － 324．
袁端磊，董华军，田小静，等 ． 2012． 基于图像处理齿轮表面缺陷测
量技术 ． 大连交通大学学报，33(1) : 53 － 55．
88
第 4 期 林兰英等: 基于图像处理的微波处理材裂纹评价
张德丰 ． 2012． MATLAB 数字图像处理 ． 北京: 机械工业出版社 ．
Brenner D J，Hall E J． 2007． Current concepts -computed tomography-an
increasing source of radiation exposure． New England Journal of
Medicine，357(22) : 2277 － 2284．
Cavalin P，Oliveira L S，Koerich A L， et al． 2006． Wood defect
detection using grayscale images and an optimized feature set，IEEE
Industrial Electronics，IECON 2006-32nd Annual Conference on，
3408 － 3412．
Christy A G，Senden T J，Evans P D． 2005． Automated measurement of
checks at wood surfaces． Measurement，37(2) : 109 － 118．
Evans P D，Wingate-Hill Ｒ，Cunningham Ｒ B． 1997． The ability of
physical treatments to reduce checking in preservative-treated slash
pine posts． Forest Products J，47 (5) : 51 － 55．
Evans P D，Wingate-Hill Ｒ，Barry S． 2000． The effects of different
kerfing and center boring treatments on the checking of ACQ treated
pine posts exposed to the weather． Forest Products J，50 (2) : 59 －
64．
Evans P D，Donnelly C，Cunningham Ｒ B． 2003． Checking of CCA-
treated radiata pine decking timber exposed to natural weathering．
Forest Products J，53 (4) : 66 － 71．
Funck J W，Zhong Y，Butler D A． 2003． Image segmentation algorithms
applied to wood defect detection． Comput Electron Agr，41 ( 1 ) :
157 － 179．
Lindgren L O． 1991． Medcial cat-scanning:X-ray absorption-coefficients，
CT-numbers and their relation to wood density． Wood Sci Technol，
25(5) : 341 － 349．
McMillin C W． 1982． Application of automatic image analysis to wood
science． Wood Sci，14(3) : 97 － 105．
Mekhtiev M A，Torgovnikov G I． 2004． Method of check analysis of
microwave-modified wood． Wood Sci Techno，38(7) : 507 － 519．
Pham D T，Soroka A J，Ghanbarzadeh A， et al． 2006． Optimising
neural networks for identification of wood defects using the bees
algorithm， 2006 IEEE International Conference on Industrial
Informatics，1346 － 1351．
Vinden P，Torgovnikov G． 2000． The physical manipulation of wood
properties using microwave． Proceedings of the Future of Eucalypts
for Wood Production， International Conference of IUFＲO，
Tasmania，19 － 24 March，240 － 247．
Vinden P，Torgovnikov G，Hann J． 2011． Microwave modication of
Ｒadiata pine railway sleepers for preservative treatment． Eur J Wood
Prod，69(2) : 271 － 279．
Wei Q，Leblon B，La Ｒocque A． 2011． On the use of X-ray computed
tomography for determining wood properties: a review． Canadian J
Forest，41(11) : 2120 － 2140．
Yang Y，Gong M，Chui Y H． 2008． A new image analysis algorithm for
calculating percentage wood failure，Holzforschung，62(2) : 248 －
251．
Zink A G，Kartunova E． 1998． Wood failure in plywood shear samples
measured with image analysis． Forest Prod J，48(4) : 69 － 74．
(责任编辑 石红青)
98