不同种类的木材在人们生活中的使用日益加大,但其种类众多,分析识别存在一定难度,因此在不破坏产品本身的前提下如何利用辅助设备来分析木材,达到准确识别木材这一目标,就成为目前木材研究领域所要解决的重要问题之一。轴向薄壁组织具有重要的木材纹理信息，它是木材识别的重要特征之一。本文研究的是阔叶材显微图像，通过拍摄得到木材横切面显微结构图像,利用计算机图像处理技术,提取较为完整的木材轴向薄壁组织形态。首先将获取的阔叶材轴向薄壁组织图像进行去噪处理，消除一些噪声的影响，这样便于轴向薄壁组织的分离；然后利用数学形态学的方法处理图像，将轴向薄壁组织和导管形态从阔叶材横切面图像中成功的提取出来；最后，通过计算封闭区域的面积将轴向薄壁组织从导管中分离出来。为了验证本文算法的有效性，本文利用Matlab语言实现了该算法，并设计了多组实验。实验结果发现：去噪时，以9*9为模板对图像进行中值滤波的效果比较好，并且分块二值化便于轴向薄壁组织的提取；数学形态学处理时，以3*3的十字形结构元素对图像进行膨胀操作和以半径从1到10的圆盘形结构元素对图像进行腐蚀操作后，轴向薄壁组织和导管形态能够从阔叶材横切面图像中成功的提取出来；计算封闭区域面积阈值时，通过采用8领域标注封闭区域面积和用面积直方图来确定面积阈值，进而能够较好将轴向薄壁组织从导管中分离出来。目前，该方法在10种不同的树种中都做了实验，都取得了良好的效果。这也充分证明了该算法的有效性。同时该算法的实现为以后基于轴向薄壁组织形态的智能木材识别研究奠定了基础；为测量不同树种轴向薄壁组织含量提供了一条捷径；为开发基于图像的轴向薄壁组织的木材识别系统作了前序工作。