在自然界中普遍存在类圆或类椭圆物体,在工业、农业、交通运输等多个领域中,都需要对行业中类圆或类椭圆物体行进检测处理。使用计算机图像分析方法对这类物体进行分割、识别处理,可以实现类圆类椭圆物体分析的自动化与智能化,取代繁琐的人工处理。因此设计一个廉价的适用于该类形状物体的自动检尺系统有着非常重要的现实意义。　　本文对原木图像识别检尺进行了研究,运用数字图像处理技术实现了该类物体的分割及识别。根据原木端面形状特点:大部分是椭圆形(圆视为椭圆的一种)的。所以对原木材积进行检尺主要是对椭圆的识别。文中提出了一种新的基于分水岭和HOUGH变换相结合的椭圆识别方法。　　对于椭圆的检测,根据系统要求响应速度快与内存需求较小的特点,本文使用了二步求解检测椭圆的随机HOUGH变换算法。但是当木头数目不能事先确定时,HOUGH循环检测的次数需设定成一个较大的值。结合距离图像的分水岭分割,可以确定木头数目(即峰顶元素的数目),以减小HOUGH变换的循环次数。另外,在用椭圆HOUGH变换时,可以充分利用距离图像素值以及分水岭分割所提取的中心这些有用信息,缩小HOUGH变换搜索范围及循环次数,加快HOUGH变换速度和减少无效累积。同时分水岭分割还可以有效去除粘连,使后续的HOUGH变换椭圆识别更加准确。　　运用本文中的算法,对20样车木材进行测试,平均耗时7s,平均根数相对误差为10.39％,平均检尺径相对误差为2.17%,总面积相对误差为18.57%,基本满足实际需求。