作为表面纹理参数的重要部分,表面粗糙度的数值大小与机械零件的配合性质、耐磨性质、抗疲劳强度、接触刚度、振动和噪声等密切相关,对机械产品的使用寿命和可靠性有重要影响。另外,表面粗糙度还对零件的光学性能、生物相容性、摩擦性能有很大的影响。因此准确、高效、可靠地测量表面粗糙度的数值大小对于制造业以及当前的智能制造业意义重大。由于机器视觉技术具有检测效率高、成本低、非接触、在线支持等优势,得到了很多学者的关注,并被应用到粗糙度测量领域。然而当前机器视觉粗糙度测量仍然存在一些关键问题需要解决,包括图像特征指标的设计评估问题、实验优化问题、机理的数值重现问题。针对这些问题本文以磨削表面为例,做出了相应的研究与探索工作:（1）当前基于机器视觉的粗糙度测量方法中,粗糙度关联的图像特征指标性能评价主要关注测量精度而忽略了指标的测量单调性、稳定性、效率以及灵敏度,而且大多数指标均是基于灰度图片而忽略了彩色图片多维性的优势。针对这样的问题,本文提出采用视频质量预测模型评价体系来评价粗糙度关联的图像特征指标性能,同时设计了灵敏度与测量效率算法。根据红绿光源在不同粗糙度等级的样块表面产生的虚像混叠情况不同,提出了采用彩色图片能量差（ED）指标用于样块粗糙度测量。实验结果表明,本文采用的指标性能评价方法可以较为全面地表征指标的性能,本文设计的ED指标较基于灰度图片的指标（Ga、RR、F3）有较好的综合性能。（2）采用彩色图像进行粗糙度检测优越性显著,原因是彩色图像携带信息量大,对检测精度有比较好的提升,但是仍然存在一些问题需要分析,特别是粗糙度视觉检测方法光源鲁棒性以及粗糙度等级适应性问题。针对这样的问题,本文设计了一套实验装置,拍摄了一系列实验照片,分别分析了红、绿、蓝三基色不同组合、光源亮度、样块粗糙度范围对HVS以及Ep、SCY粗糙度测量性能的影响。实验结果发现采用HVS识别粗糙度效果受光源颜色组合影响较大,红蓝视觉效果最好。在一定范围内光源亮度对HVS识别效果影响可以忽略。在识别粗糙度小于100nm样块时,HVS分别率可达10nm。Ep与SCY受光源颜色组合的影响比较大,在使用红蓝组合时测量结果最好;粗糙度范围对指标的性能同样有较大的影响,当粗糙度小于100nm时,只有能量指标Ep有较好的测量性能,当粗糙度大于100nm（0.1μm）时,Ep、SCY均有较好的性能。最后,基于彩色分布统计矩阵的指标对光照强度具有一定鲁棒性,即便在暗场条件下仍然保持较好的测量性能,节能意义明显。（3）实际工程中检测工件种类繁多,成像环境复杂多样,把视觉测量技术真正应用到实际生产中,需要考虑的实验参数有很多（例如样块的材质、纹理摆放、环境照度、光源亮度、色块组合）,如何针对某些特定金属材质磨削样块设定成像实验条件是很复杂的问题,且采用传统的正交实验进行分析是极为耗时的。针对这个问题,本文首先研究了45#钢、铁、铝、铜四种材质磨削样块表面形貌特征,对比了触针方法与白光干涉方法测量的表面粗糙度结果,对比结果可以为样块粗糙度准确标定提供一定的技术指导;其次,采用田口实验方法设计了针对该四种不同材料的磨削样块表面粗糙度视觉检测实验,研究了光源亮度、色块颜色、样块摆放方向、环境照度等四种成像因素对磨削表面粗糙度预测模型精度的影响。最后,根据田口试验的分析结果,获得了这四类材料在每种粗糙度预测模型下的最佳测量条件。（4）田口方法虽然可以在一定程度上降低实验成本,但是真正通过实际实验对所有的粗糙度视觉检测影响参数进行分析是很耗时、且耗费劳动力的,且有些成像条件（如光源的入射角度、波长）实际实验无法准确定量控制。为了解决这个问题,本文提出采用有限元方法（Finite Element Method-FEM）进行电磁波散射模拟。仿真模拟具有理论依据强、效率高、成本低的优势。在仿真过程中,本文首先介绍了方法论,包括粗糙样块的获取、电磁波反射理论、仿真模型设计。其次介绍了仿真的过程,在本文中光源入射角度包括15°、30°、45°、60°以及75°;光源的波长包括400nm、550nm、700nm,分别对应蓝、绿、红。材质包括不锈钢（SUS）、铜（Cu）、铝（Al）、碳化硅（Si C）。粗糙样块的表面形貌主要包括两类表面:周期性余弦粗糙表面、非高斯粗糙表面。粗糙度的参数包括高度特性参数Ra以及间距特性参数Rsm。最后文章进行了数据分析,揭示了视觉检测方法因受二次或多次散射的影响,存在一定的理论检测范围。仿真的结果可以为粗糙度视觉测量提供一定的指导。