机器视觉作为当今最为活跃的研究领域,具有相当广泛的研究内容和应用领域。边缘检测技术是图像处理和机器视觉领域的最基本的技术和难点,也是图像处理的一个基本步骤。通过边缘检测可以保留物体边界形态的结构信息,极大地降低图像处理的数据量,从而简化图像的分析过程。如何快速而精确地提取图像的边缘信息,一直是国内外研究的热点。摄像机标定是通过摄像机拍摄的单幅或多幅图像来确定摄像机的参数模型,进而获得摄像机的各项参数,有广泛的应用前景。为了获取空间点到摄像机图像像素点的对应关系,摄像机标定技术必不可少。本文以0.5级毫安表为对象,指针式仪表在线检测控制系统的开发为应用背景,对机器视觉的边缘检测技术和摄像机标定技术进行深入的研究和分析。主要研究成果和创新点归纳如下：1、经典边缘检测技术的研究总结了多种经典边缘检测算子,并利用VC++6.0软件平台实现了多种经典边缘检测算子的应用,分别对不加噪声图像和加高斯噪声图像处理结果仿真,对比分析各种边缘检测算子的优缺点。这类传统的方法大都基于微分技术来确定图像的边缘,算法简单,但抗噪性能较差,适用于对边缘比较清晰、信噪比大的图像。经典边缘检测算子中,Sobel算子相对更适用于仪表检测边缘,能检测出更细微的边缘,且图像处理速度快。2、提出一种基于数学形态学的边缘检测算法通过本文设计的边缘检测算法分别对清晰仪表图像和不清晰加噪声进行处理。运用MATLAB对算法进行编程仿真。与Sobe算子实验对比,可以看出基于数学形态学的本文算法在边缘定位的准确度,边缘的连续性和抗噪声性能等方面都优于传统算法。3、一种运用USB摄像机构建的双目视觉标定系统分析了摄像机的成像模型及其标定原理,根据指针式仪表的特点和系统本身的要求,对两个摄像机位置进行了多次实验,搭建了合适的仪表双目视觉硬件系统。并在此基础上,改进了仪表双目视觉系统的标定判读方法,结合距离法读数校正识别后的读数值。最后设计实验进行双目视觉系统的标定,并用VC++6.0编程实现了机器视觉标定,结果存在一定的误差,对误差进行分析。本文提出的标定方法具有良好的可实现性和可移植性。