零件尺寸测量技术在工业制造过程中有着非常重要的地位,它可以及时区分不合格产品,提高生产效率,降低成本。传统测量方法效率低、精度差,而高端设备价格昂贵、操作复杂,因此需要研发满足高速大批量测量需要的设备及相应的算法。本文针对常见的小型机械零件待测参数设计了一种测量方法,并提出对应算法,在保证精度的前提下提高零件尺寸测量的效率。本文分析了零件尺寸测量的需求和难点,提出了基于机器视觉技术的测量方案,并研究了相关参数的测量方法和算法的具体流程。边缘提取是图像测量中的重要问题,本文提出一种经过改进的Canny算法,用一种结合自适应中值滤波和双边滤波特性的混合滤波器替代原本的高斯滤波、基于最大熵原理自适应确定高低阈值,提取零件边缘并对结果进行邻域扩张标记。然后在感兴趣区域（ROI）中搜索亚像素边缘,并对计算过程中的参数进行分析、判断,高效准确地获得了零件的亚像素边缘坐标数据。将待测参数分类为折线类、圆弧类、圆度、圆柱度并提出相应的测量算法。零件轮廓在图像中为折线形边缘,利用道格拉斯-普克算法（DP）将其分割为直线段,通过基于垂直距离的最小二乘直线拟合算法进行处理,获得结果。提出基于混沌优化的粒子群算法（CPSO）求解圆度和圆柱度误差,明显提高了原算法的搜索效率和精度。搭建了小型零件尺寸测量视觉检测平台,对提出的算法进行了实验验证,并将测量结果与三坐标测量机的结果进行分析对比,评价视觉系统和算法的性能,结果表明所有算法均能达到测量精度需求。