随着机器视觉技术的发展,影像测量技术在工业零件的检测中得到广泛的应用。受精度要求的限制,影像系统只能对极小视场成像,当零件测量点较多时,两者需要做多次相对运动以获取各点图像信息。故这种测量方式效率低下,难以满足工业中大批量关键部件全检的要求。为了实现测量的高效、精确以及自动化,本文研究了各种边缘检测和跟踪技术,利用合成图像深入探讨和评价了各种亚像素定位算法,并将它们应用于包含完整零件的工程图像中。论文的主要工作如下:1.研究了图像滤波技术,各种传统的经典边缘检测算子,以及针对二值化图像进行边缘提取的数学形态腐蚀法。在经典边缘跟踪算法的基础上,提出了智能边缘跟踪方法,实现了图像中所有轮廓的自动跟踪及存储。2.研究了边缘模糊的原因,以及由两种边缘定义引出的两大类亚像素边缘定位方法——空间矩法和曲线插值法。对现行的一些亚像素方法给予了评价和总结,提出了结合样点间距,沿梯度方向作三次样条插值的亚像素算法,尝试了沿法线方向作不等距样条插值的改进算法。3.建立了基于合成图像的算法评价体系,研究了像素级算法、点扩展函数、背景光强以及噪声四种因素对各亚像素算法的影响,并以充足的数据给予支持。4.探索了如何针对工程零件更精确地使用亚像素的方法,研究了被测工件轮廓位姿调整方法。测量了工件的轮廓度误差和关键参数。