随着木材科学的发展,采用X射线作为无损检测手段,应用计算机数字图像处理技术对木材缺陷图像进行处理已成木材无损检测研究的一个重要方向。应用木材X射线无损检测系统获取木材缺陷图像的过程中,由于摄像系统质量、给光条件以及录入装置等因素的影响,使木材缺陷图像增加了噪声,恶化了图像质量,图像变模糊,特征被淹没,对比度降低,给木材缺陷的识别带来困难。小波分析作为当前一种流行的数字图像处理工具,其良好的时—频局部化特点和多尺度的特性使其在图像处理中得到了广泛的应用。针对木材缺陷图像的特点,将小波分析应用到图像去噪和图像边缘检测中,使图像更加清晰,易于识别。本文对小波分析的基本理论、多分辨分析、MALLAT算法、小波基选取等一系列相关内容进行了分析。重点研究了运用小波变换对木材缺陷图像进行去噪和边缘检测的原理和具体实现方法,并与传统的图像去噪方法和经典的边缘检测方法进行了比较。木材缺陷图像的小波去噪方法中,重点研究了小波阈值去噪。对去噪小波、阈值、阈值函数的选取几个关键问题进行了详细分析与讨论。运用全局阂值、局部阈值两种不同阈值；硬阈值、软阈值和高频系数置零三种不同的阈值化函数对木材缺陷图像进行小波去噪处理。以均方误差(MSE)和峰值信噪比(PSNR)作为评价标准,将小波阈值去噪方法与传统的图像去噪方法作仿真对比实验,得出适合木材缺陷图像的去噪方法。单一的去噪方法不能满足图像处理的需要,提出小波包与数学形态学结合对木材缺陷图像去噪的方法,将二者的优点有效地结合起来,得到较高峰值信噪比,改善了主观视觉效果,优于单一的去噪方法。针对单一尺度的边缘检测不利于对图像细节定位和提取的缺点,小波变换的多尺度特性为边缘检测提供一种新方法。本文选取B样条小波作为边缘检测小波,应用基于二进小波变换的多尺度边缘检测算法实现对木材缺陷图像的边缘检测。除此之外,小波包具有对低频、高频部分进行分解,获得更多的图像信息的特性,使重构后得到的近似部分图像去除高频分量,检测到更加清晰、连续的边缘,将小波包用于木材缺陷图像的边缘检测中,也得到较好的实验效果。