采用工业相机、标准光源、微型计算机建立计算机机器视觉系统,运用VC++.net编写毛竹竹片弦面图像拍摄程序,分别拍摄毛竹竹片弦切面节子区图像和节间区图像。对毛竹竹片弦切面图像进行降噪等预处理后,基于数学形态学、灰度共生矩阵、快速傅立叶变换等图像纹理分析方法,分别在空域或频域分析毛竹竹片弦切面图像纹理特征,提取竹片弦面节子区和节间区图像纹理特征参数,对比分析节子区图像和节间区图像纹理特征参数的差异,筛选出能用于判别毛竹竹片弦切面节子区和节间区的纹理特征参数；以优选的纹理特征参数作为BP神经网络的输入参数、以是否为竹子区为输出参数,构建BP神经网络,经训练后,可准确地对毛竹竹片弦切面节子区和节间区进行判别。分析毛竹竹片弦切面纹理构成与特征,基于数学形态学选择了维管束长度、宽度、面积、维管束矩形度等参数对竹片弦切面纹理特征进行描述,并运用编写的基于数学形态学的纹理特征参数提取程序,提取了大量节子区、节间区图像的纹理特征参数。通过对毛竹竹片弦切面节子区与节间区图像纹理特征的分析与比较,维管束的最大长度在节子区和节间区图像间存在显著差异,可作为判断节子区和节间区图像的特征参数之一。基于灰度共生矩阵分析方法,选择了灰度共生矩阵的均值、方差、逆差矩、对比度、非相似度、熵、角二阶距(能量)、相关性等特征参数描述毛竹竹片弦切面纹理特征。运用编写的基于灰度共生矩阵的纹理特征参数提取程序,以不同的灰度量化级、像元对方向、像素距离等构造因子提取基于灰度共生矩阵的竹片弦切面纹理特征参数,对生成灰度共生矩阵的构造因子进行优选,以优选的构造因子重新提取竹片弦切面纹理特征参数,分析和比较竹片节子区和节间区的图像纹理特征的差异,筛选出竹片节子区和节间区间存在较显著差异的竹片弦切面图像纹理特征,包括：能量、逆差矩、对比度、非相似度、熵。采用对竹片弦切面图像进行快速傅立叶变换,引入图像频域纹理特征参数描述竹片弦切面图像纹理特征。频域纹理特征描述参数包括：图像频谱振幅均值、方差、熵、频谱能量及方环频谱能量比。运用编写的图像快速傅立叶变换及频域特征参数提取程序,分别提取竹片弦切面节子区和节间区图像的频域特征参数,分析和比较节子区和节间区图像的频域特征差异,筛选出图像频谱幅值的方差、频谱第三、七、八、九环的能量比等5个特征参数,这些频域特征参数在节子区和节间区图像间存在较大差异。由维管束最大长度、能量、逆差矩、对比度、非相似度、熵、频谱幅值的方差、频谱第三、七、八、九环的能量比11个纹理特征参数构建竹片弦切面图像纹理特征参量。运用MATLAB软件设计BP神经神经网络模型,以竹片弦切面图像纹理特征参量为BP网络的输入参数,输出参数为是否为节子区,并对BP网络进行学习训练。训练完成后,再拍摄竹片弦切面图像、提取其11个纹理特征参数,用BP网络进行判别,准确率可达到99%。