随着中国制造2025发展战略的提出,传统加工制造产业逐步向信息化、智能化、自动化方向转型升级。视觉测量技术作为现代制造业实现生产检测一体化,提高制造效率和产品附加值的一项重要技术,在实际生产中得到了广泛的应用。视觉测量技术以被测物体的采集图像作为检测目标和信息载体,通过图像处理算法得到需要的信息。在图像中,边缘包含了丰富的视觉信息,是图像最重要的特征之一。边缘检测就是从图像中提取出边缘的位置信息,对边缘位置的高精度获取是实现缺陷检测、目标分类、尺寸测量等众多高层应用的前提条件。在视觉测量技术的实际应用场景中,高精度的测量结果来源于对边缘位置的高精度获取。然而,通过改善硬件设备性能以提高测量系统精度的做法会导致系统硬件成本的大幅提高。传统边缘检测算法检测得到的边缘位置在图像上是以整像素为单位的,无法达到精度要求,而亚像素边缘检测算法能够计算出边缘在像素内的精确位置,可以有效解决检测精度和系统成本间的矛盾。本文的主要研究内容如下:(1)分析了数字图像中的噪声分布,介绍了图像滤波方法,并通过数学形态学运算提高了图像中轮廓边缘的完整性,有效地减弱了噪声和杂斑信息对边缘检测的负面影响。研究了微分算子和最优化算子方法中各边缘检测算子的原理和特性,通过实验比较并根据具体应用条件选择了最适宜的像素级边缘检测算子,通过快速细化算法得到了单像素边缘,避免了后续亚像素边缘检测算法在非边缘位置的冗余计算。(2)深入研究了基于区域灰度分布模型的亚像素边缘检测算法的原理和实现,引入高斯函数改善了边缘两侧灰度强度的计算方式,实现了像素级粗检测和亚像素级细检测相结合的分步式亚像素边缘检测方法。经过实验证明,该方法在人工合成图像上对直线型边缘的检测精度达到了 0.095个像素。随后由检测速度实验,证明了本文分步式亚像素边缘检测方法相较于传统算法的检测速度优势。(3)研究了基于图像处理的自动对焦技术,在传统Brenner图像清晰度评价函数的基础上引入高通滤波模板,提升了函数的图像清晰度评价性能并减小了计算量。通过实验对比证明,改进后的Brenner函数具有良好的无偏性和更快的计算速度,以其为核心的自动对焦系统能够保证视觉测量系统的高质量成像。(4)搭建了视觉测量系统实验平台,完成了被测物体图像采集前的对焦和畸变校正工作,使用二次标定法计算得到了像素当量,确定了由被测物体的采集图像得到其物理尺寸的计算公式,减少了测量时的系统误差,得到的测量结果精度更高。(5)在搭建好的测量实验平台下,以矩形标准工件为检测目标,对其进行了尺寸测量实验。实验结果表明,本文提出的分步式亚像素边缘检测算法的检测效果,测量精度和运算速度都优于传统的亚像素边缘检测算法,测量结果的稳定性好,能够满足视觉测量系统的高精度要求。