基于图像处理的离焦测距算法是近年来机器视觉领域研究的热点之一，离焦测距是指最少只需要不同镜头参数下所拍摄的两幅图像就可以计算出物体到摄像头的距离信息。由于该方法属于单眼视觉，避开了目前仍未能有效解决的立体视觉特征点对应性的问题。因此相对于立体视觉，在很多领域具有实际应用价值。 本文首先介绍了离焦测距的基本原理和噪声的处理方法。其次介绍了几种经典的边缘检测方法以及基于梯度幅值的自适应边缘检测方法，将其进行了相关的分析比较，证明了基于梯度幅值的自适应边缘检测方法是一种更好的边缘检测方法，为离焦测距做了准备工作。最后对两种离焦测距算法进行了研究。一种方法是采用微幅调节成像平面的方式获取图像，利用动态参照技术，使检测结果与物体表面纹理的变化无关，但此方法需假设点扩散函数是二维高斯函数，不够准确。另一种方法是利用矩不变原理，通过测量图像边缘的模糊半径来估计摄像机镜头到物体的距离，它不需计算镜头的点扩散函数，对于较复杂的物体也是有效的，受光照变化的影响较小。通过实验对两种算法进行验证，得到的实验结果及分析图表明了这两种算法的有效性以及一定的局限性。 本文采用中值滤波去噪，避免了用高斯滤波去噪存在的问题。在基于矩不变的离焦测距方法中采用了基于梯度幅值的自适应边缘检测方法，通过实验验证，提高距离估测的准确程度。