在工业生产过程中,绝大多数零件都有尺寸的要求。传统的零件尺寸测量工作主要依靠人工完成,受制于人眼主观判断以及测量工具的影响,不仅效率低下,而且检测精度不高。在尺寸检测环节,基于机器视觉的测量系统越来越受到人们的青睐,其具有很多人工测量没有的优点,比如高精度、高效率、自动化、非接触等等。另一方面,采用亚像素边缘检测算法优于传统的像素级边缘检测算法,其可以在不提升相机分辨率的前提下,提升边缘定位精度,从而节省硬件成本。本文对亚像素视觉测量技术进行了深入研究,主要以纽扣为测试对象,研究并实现了相关的亚像素边缘检测算法以及尺寸测量方法。对于亚像素边缘检测算法,本文改进了传统的Zernike矩算法,引入了渐变边缘模型,并采用一种自适应的拟合方法得到边缘宽度参数2w。在边缘检测前引入扩散滤波,具有去噪保边的效果。在定位精度和抗噪性能上均优于传统Zernike矩边缘检测算法,在仿真图像中可以达到0.03 pixels的定位精度。对于尺寸测量方法,本文提出了一种适用于柱体零件的尺寸测量模型,可以完成图像中边缘像点到物点的映射,通过拟合图元得到待测物尺寸。该测量模型综合考虑了相机畸变、待测物体厚度等因素,与标定系数法尺寸测量模型相比,测量精度更高,且受视场位置的影响更小。结合使用亚像素边缘检测算法,对于硬币可以达到0.2 pixels的测量精度,应用在纽扣上可以达到0.3~0.7 pixels测量精度。本文完成了整套算法的代码实现,并在PC平台对速度进行了测试,其在640×480图像速度约为108 fps,2448×2048图像速度约为9 fps,满足工业实时性的要求。