数字图像处理是对图像信息进行加工以满足人的视觉心理或应用需求的一种行为,而利用数字图像处理技术进行几何量测量的主要任务是正确地处理和测量反映被测量信息的图像,精度是图像处理和测量研究中的重要内容。在图像测量领域,对图像边缘的精确识别是保证测量精度的先决条件,如何能够在强背景噪声下有效地检测出图像边缘,进而进行高精度测量应该是几何量精密测量领域中最关心的话题。 本论文针对机械加工小孔(含浅盲孔)的边缘检测,首先说明了边缘的定义和特征,然后详细、系统地介绍和分析了经典边缘检测算法以及数学形态学在图像边缘检测中的应用。对于这些小孔,由于机械加工过程中产生的边缘塌边、毛刺,以及浅盲孔底部反光等物理因素,造成采集的每幅浅盲孔图像都不同程度的存在着孔边缘对比度低、信噪比低、边缘类型复杂等缺点。据实验表明,使用经典边缘检测算子无法精确地检测出浅盲孔边缘,如何能够在强背景噪声下检测到小孔的真实边缘是图像处理的关键和难点问题。 为解决这个问题,文章分别从软件和硬件两个方面进行了分析研究:首先,从软件方面,依据小波变换检测信号良好的多尺度分辨特性,研究了其在去噪及边缘检测中的应用。从实验结果看,该算法比较好地去除由于浅盲孔底部反光造成的阴影噪声,并有效地保护了孔的边缘。接着,从硬件方面,主要是改良了镜头,降低镜头的景深。从实验结果可以看出,该措施增强了盲孔边缘的对比度,在很大程度上提高了盲孔边缘的检测精度。 为进一步提高盲孔孔位的测量精度,文章推导了EasyGauge亚像素细分算法的原理,并且讨论了转位以及噪声对测量结果的影响。实验结果表明,该细分算法可以在强背景噪声下实现稳定、高精度的测量。 在文章的最后,介绍了实验中图像采集的硬件设备和自编制的集图像采集、图像处理、图像测量于一体的软件系统,最后对通孔、原始采集盲孔、经过小波处理后的盲孔以及经过镜头改良后的盲孔进行了测量,并对测量结果进行了分析和比较。