视觉测量系统常用于产品或物件的形状检测和尺寸测量。视觉测量系统利用摄像机得到的图像重构出物体的三维几何信息,如果摄像机图像存在失真必将造成极大的测量误差。由于拍摄视角的原因会导致图像出现一定的线性倾斜形变,不利于计算机对目标特征的提取和识别；同时在视觉测量系统中,受镜头制造精度的影响,图像会出现不同程度的几何位置、尺寸、形状、方位等几何畸变,这将影响到视觉测量系统的测量精度。因此在进行形状检测和尺寸测量之前必须对图像进行倾斜形变校正和几何畸变校正。视觉测量系统的图像校正过程一般是是首先对图像进行倾斜形变校正,再经过几何畸变校正得到理想图像,最后通过灰度插值将校正得到的非整数化坐标插值变成整数化的图像像素坐标,实现图像的校正。本文主要工作如下：(1)介绍了图像倾斜形变的种类,分析了基于霍夫变换的倾斜校正方法和投影法倾斜校正方法,并提出了能快速实现图像倾斜校正的改进K均值聚类方法。(2)介绍了图像几何畸变的种类及模型,详细分析了经典的畸变校正方法包括Tsai标定方法、Weng’s标定方法、张正友标定方法和几何不变性校正方法,并提出了抗干扰能力强的基于等间距线的畸变校正方法。(3)对比分析了灰度插值方法中的邻近域方法、双线性方法和三次卷积法的插值效率和效果,给出了不同视觉测量系统中选择合适的插值方法的一些建议。最后将本文提出的校正方法应用在快件自动分类系统中,对其失真图像校正,校正结果显示：图像几何畸变和倾斜形变均得到了明显的校正,本文提出的校正方法能提高快件自动分类系统的测量精度。