由于机器视觉技术在工业检测领域具有巨大优势,近年来有关视觉技术在这一领域的研究与应用也变得越来越多,本文从一种常见的工业零件铆钉入手,对图像处理与机器视觉技术在该领域的应用进行了深入地分析与研究。传统的铆钉检测是以人工方式进行,效率极低,对于大批量铆钉的检测更是费时费力,不仅难以达到检测要求,而且与现代工业要求的在线测量和实时控制要求不符,为了克服传统人工铆钉检测工效低、精度不易控制等弊端,提出了一种基于机器视觉的多铆钉非接触式自动检测算法,同时也揭示了视觉技术在工业零件测量领域的基本结构。本文研究框架主要分为四大部分：(1)摄像机定标。这一部分从四大坐标系入手,详细介绍了摄像机的成像模型,并通过对基于径向一致约束定标法的算法分析与介绍,给出了该方法在本系统中的摄像机定标方案。(2)图像采集和预处理。这一部分首先介绍了CCD和CMOS图像传感器的工作原理和光源的重要性及类别；然后详细地分析了噪声的来源,并使用两种经典的滤波算法对含噪图像进行处理与分析,最后提出了一种改进的中值滤波算法,该方法在进行去噪处理时加入了信号点和噪声点的判断,能有效地提高去噪效果。(3)铆钉轮廓的提取。在这一部分中说明了图像分割技术的地位和它的研究层次结构,对边缘轮廓问题进行了分析并介绍和推导了几种基于微分和区域的两大类分割算法,最后提出了一种基于区域的改进的OTSU分割方法,实验表明该方法可以有效地减少误划分。(4)铆钉参数的求取。判断铆钉是否合格需要检测其全长、短直径、长直径和铆接长度等参数,通过前几章的算法得到了全长,短直径,在这一章中给出了一种基于支撑区间的轮廓特征点识别算法,可以准确地得到特征点,由此可以求出铆钉长直径和铆接长度。