斑马鱼是生命科学研究领域中一种宝贵的模式脊椎动物。斑马鱼胚胎图像的形态学特征是判断斑马鱼胚胎细胞发育是否健康的重要依据,对疾病建模和药物发现研究来讲具有重要的意义。传统的斑马鱼胚胎图像的特征量化分析依靠人工分析为主,工作量大,而且准确度也不高。因此,研究自动的图像分析方法来帮助研究人员对这些图像进行分析具有重要的意义。本文设计了一套可靠有效的方法,能够对斑马鱼胚胎图像尾部弯曲程度信息进行量化描述。首先,针对斑马鱼胚胎图像的特点,设计了如下的分割算法,基于边缘信息,形态学方法,利用轮廓跟踪提取斑马鱼胚胎主轮廓。实验证明,本文设计的分割算法能够得到正确的分割效果。其次,采用了基于主曲线思想的主图算法来生成斑马鱼胚胎图像的骨架线。为了增加算法的鲁棒性,本文设计了一种基于距离场的不规则圆形检测方法用于去除斑马鱼胚胎的头部骨架线,并且针对传统最小二乘直线拟合算法在对尾部骨架线进行直线拟合时会出现的问题,设计了解决方法,并且设计了一种复杂度更低的基于PCA的直线拟合算法。利用尾部骨架线上的点到拟合而成的直线的均方距离值来描述斑马鱼胚胎尾部的弯曲信息。根据算法给出的弯曲度量化信息对图像进行了分类实验,实验结果表明本文设计的算法能够准确地描述斑马鱼胚胎尾部的弯曲度信息,并且对不同姿态的斑马鱼图像,具有鲁棒性。