Existen abundantes problematicas en el territorio nacional como lo son por ejemplo: el poco desarrollo forestal, la carente explotacion comercial de un mercado maderero, el deficit en la preservacion del medio ambiente, trafico ilegal de especies y demas. Todas las anteriores se relacionan directamente con la falta de conocimiento para el desarrollo forestal, dado principalmente en la caracterizacion oportuna de una especie para poder llegar a la identificacion y clasificacion de manera acertada. Solo personas expertas, con amplios conocimientos de la anatomia microscopica tipica de una muestra de madera pueden llegar a hacer una caracterizacion para su identificacion. Este proceso puede ser arduo, requerir demasiado tiempo y brindar un nivel de error no aceptable. Para mejorar estos y otros aspectos, se busca brindar aportes para la consolidacion de una herramienta que logre una caracterizacion con herramientas computacionales, que optimicen los procesos establecidos para la identificacion del leno y brinden un buen porcentaje de acierto. En este proyecto se establecen una serie de condiciones iniciales por medio de un preprocesamiento necesario para el estudio de cada imagen representativa de cada muestra. Dentro de cada imagen se busca segmentar o visualizar objetos de interes; en este caso estos objetos estan dados unicamente por los elementos de la microestructura conocidos como poros. Por medio del uso del analisis multiresolucion (MRA, Multi-Resolution Analysis) mediante el uso de transformadas wavelet discretas DWT (Discrete wavelet Transform), mas especificamente con la transformada de Daubechies. Se propone establecer un modelo de segmentacion con el animo de evaluar su efectividad y concluir acerca de su utilidad como una herramienta al servicio del procesamiento digital de imagenes. Se utilizo el Analisis ROC (Receiver Operating Characteristic) mediante teoria de decision, la cual considera minuciosamente todas las pruebas obtenidas en todo el banco de imagenes de estudio comparadas con su respectiva segmentacion manual (efectuadas con un nivel de experiencia), con el animo de clasificar correctamente para los casos de respuesta positiva o negativa a la segmentacion automatica.