表面粗糙度与机械零件的配合性、耐磨性、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产生重要影响。当前用机器视觉测量表面粗糙度都是从灰度值图像中提取与粗糙度相关的评判指标,没有充分利用色彩信息敏感性强且忽略了人眼视觉系统的主观评判,以及大多采用显微视觉对小成像区域进行测量,不能对工件表面进行整体评判。而且,显微视觉测量方法需结合显微装置,操作不方便,工作效率低,不适合在线粗糙度检测。此外,激光光源测量系统价格昂贵,装置复杂,光路调整比较困难。针对这些问题,本文研究基于色彩信息和普通光源的非显微视觉粗糙度检测方法。根据色块在不同粗糙度等级表面上形成的虚像清晰度不一样,采用基于RGB颜色空间的彩色图像无参考清晰度评价指标构建清晰度与粗糙度之间的关系模型,论证了基于彩色图像清晰度检测表面粗糙度方法的可行性。研究结果表明,相比其它基于灰度图像的无参考评价指标,基于彩色图像的清晰度评价指标与粗糙度相关性强,检测精度较高,并且该方法符合人眼视觉系统的主观评价。基于彩色图像清晰度评价指标良好的粗糙度表征性能,从指标的机理研究出发,提出了物理意义较明晰的平均色差指标。通过色差指标与灰度算术平均值、傅立叶变换频域主分量幅值平方以及熵函数对一组试样进行表面污染前后的对比实验,证明了色差指标与表面粗糙度之间具有很强的相关性,不仅相关性优于其他指标,而且色差指标具有抗污染、鲁棒性强的特点;采用支持向量机回归模型的实验验证,证明本文方法不仅装置简单、测量方便、视场较大,而且精度较高,粗糙度适用范围较广。通过色块背景设计、光照强度、纹理方向对指标评价性能的影响研究,表明光照与色差指标具有非常好的线性关系,适当的色块设计可以改变纹理方向对粗糙度测量的影响。针对平均色差指标对不同加工工艺表面粗糙度的适用性问题,论文探讨了平均色差指标和五个典型频谱指标对不同加工纹理粗糙度参数的表征性能,研究结果证明了平均色差指标与表面粗糙度的相关性强于频谱指标,且平均色差指标对入射角有较好的鲁棒性,并从机理上分析了指标与铣削试样粗糙度的相关性要小于磨削试样的原因。基于红绿相间棋盘格式的定制光源,通过工件两种摆放方向残差平方和的讨论,研究认为,相机相对工件表面法线夹角较小时,两种摆放方向的关系曲线重合度很高,为忽略表面纹理方向对粗糙度的视觉自动化检测提供了实施依据。另外,针对不同材料相同加工工艺下表面粗糙度与平均色差指标关联关系是否一致的问题,论文采用红绿定制光源对五种材料以不同的入射角进行研究,不同材料粗糙度与色差指标关联关系在不同的入射角表现稳定,但指标与不同材料粗糙度的数学关系模型差异证明材料对色彩信息检测粗糙度产生数理本质影响。通过不同材料环境光噪声研究,证明色差指标不仅对入射角鲁棒,也对环境光噪声鲁棒。通过对彩色图像特征指标的拓展研究,基于彩色图像信息的多维度和红绿颜色的混叠结构,构建了彩色分布统计矩阵并提取混叠面积指标和纯色区能量指标对粗糙度进行表征。研究结果表明混叠面积指标可应用于高精密磨削粗糙度检测,纯色区能量指标与色差指标一样表现出非常好的普适性。另外,从仪器开发角度建立了粗糙度图像特征指标性能评价体系,综合地评估了指标在精度、单调性、稳定性和效率方面的性能。相对于灰度图像指标,颜色信息指标在各方面都具有较优的性能,从而为基于色彩信息和普通光源的机器视觉粗糙度自动化检测奠定了坚实的理论与实验基础。