加工表面微观形貌三维检测与评定是近年来表面学研究领域所关注的热点问题。本文针对目前表面三维轮廓检测方法普遍存在设备复杂、成本高的现状,提出一种基于显微视觉图像三维重构的表面粗糙度检测方法。该方法以计算机显微视觉为检测手段,采用明暗恢复形状(Shape From Shading,简称SFS)算法实现对加工表面微观形貌的三维重建与粗糙度检测。分析了加工表面显微视觉成像过程照射方向与摄像机参数对图像质量的影响规律,构建了加工表面显微视觉图像获取实验系统,完成了照射光源的设计及摄像机标定。实验证明,自行设计的LED环形照明光源为被测物提供了均匀的照明,.消除了强镜面反射光对成像质量的影响,获得了清晰度较高、细节丰富的工件表面图像。研究了工件表面图像的预处理算法,对原始图像进行了灰度化处理与纹理校正；分析了表面图像灰度分布特点与拍照过程中影响因素,对图像噪声特点进行了估计,利用Wiener滤波完成了图像中所含有噪声的消噪处理；对在拍摄过程中由于光线遮挡及样块最高峰的强反射作用造成的灰度失真进行了局部灰度值的修正。结果表明,经过预处理后的图像灰度能正确反映高度值的变化,为实现三维形貌的恢复奠定了基础。根据微观金属表面反射特性与图像灰度分布规律,采用简化的Oren-Nayar模型与Torrance-Sparrow模型中的镜面反射分量进行加权叠加的方式建立了适合于加工表面形貌恢复的光照模型,研究了基于此光照模型的SFS最小化计算方法。采用回归方法建立了不同加工方法所获得的表面样块轮廓高度差与灰度差的转换模型,为SFS最小化迭代算法提供了收敛速度快、精度高的迭代初始值。利用该算法对车、镗、铣加工表面图像进行了三维重构实验,获得了与触针式轮廓仪测量结果基本一致的截面轮廓曲线,从重建数据提取的表面粗糙度参数与粗糙度仪测量结果相比误差在10%左右。研究结果证明该方法可快速、准确地实现表面粗糙度的检测,为加工过程粗糙度的在线检测提供了新的思路和方法。