机器视觉是半导体生产、汽车制造、医药包装等工业生产过程中一个重要的组成部分,它是由计算机科学、机械工程、光学和工业自动化等组成的一门交叉学科,其中图像分析和处理算法是机器视觉的重要组成部分,其包括:模板匹配、边缘检测、光学字符识别等,而模板匹配在机器视觉中占有重要地位,它可以解决物体的定位、校正、测量以及检测问题。为促进国内工业自动化装备技术的发展,非常有必要研究和开发具有自主知识产权的机器视觉算法。本文研究并开发了一种快速、高精度并且鲁棒的基于图像灰度值的模板匹配算法。归一化相关系数对自动化设备中经常出现的一定程度的光照变化具有不变性,而且具有较好的抗噪性,因此,归一化相关系数可以很好的描述模板和图像之间相似性。为了加快算法的计算速度,使其能满足工业实时性的要求,文中创新性的采用了易于实现的几何金字塔分解算法实现分层搜索策略。为处理对象旋转的问题,本文提出了一种新的旋转匹配算法,以不同旋转角度模板的内切圆作为匹配数据区域,可以消除边缘及模板大小的变化所带来的影响。为了满足更高的位置精度需求,文中采用了一种二次曲面拟合的方法,以相似度和坐标位置作为参数,通过最小二乘法拟合二次曲面的系数,然后求取多项式极值,极值所对应的目标位置具有亚像素精度。本文提出的模板匹配算法由VC++6.0编程实现。实验结果证明本文所研究的算法是一个实时的、具有亚像素精度的和旋转不变性的算法,并且该算法具有容易实现的优点,可以满足工业自动化装备的需求。