表面粗糙度是指加工零部件表面上存在的,由较小的间距和峰谷所构成的微观几何形状特征。随着产品精度和零部件表面粗糙度要求的不断提高,接触式检测工件表面粗糙度的仪器仪表的测量精度和测量速度等方面要求的不断提高,推动了现在的非接触式无损检测技术的发展。本文将数字图像的相关理论与技术应用于工件表面粗糙度的检测研究,主要研究内容和结果包括:(1)国内外关于检测工件表面粗糙度的发展状况进行了表述,并且对数字图像处理技术在零部件表面粗糙度检测中的应用以及意义进行探讨,而且介绍了数字图像处理的基本方法以及原理并且运用其对工件表面的图像进行分析处理,用不同的数字图像的处理方法,针对相同的图片,从而获得不能的图像特性;(2)将灰度变换、灰度拉伸等方法应用到零部件加工表面的图像中分析,经过图像处理后,根据其灰度直方图及图像显示效果选择适合表面粗糙度检测的图像处理方法,研究了零部件的表面粗糙度Ra、Rz值的测量原理及其实现的数字化技术;(3)介绍了图像噪声的分类,并且根据零部件表面图像中噪声的不同,运用不同的滤波方法来处理图像中不同类型的噪声,并且对其进行了降噪处理,最终获得不同的降噪效果;(4)以工件加工表面的图片为对象,采用传统的表面粗糙度测量方法,对特征纹理的提取方法进行研究;采用最小二乘法,通过对工件加工表面图中的特征纹理的分布情况进行分析、对加工工件的纹理特征的统计,计算得出零部件表面粗糙度值,并给出零部件表面粗糙度值的最终测量方法;(5)基于Open CV平台,借助C++语言编出测量加工工件表面粗糙度的程序,实现了对工件加工表面图片的处理,从图像的读入到表面的纹理特征提取,再到表面粗糙度值的自动测量,最后将测得数据与表面粗糙度试验得到的实际值相比较,将两组数据进行参数回归分析,得到最终的运算结果,也就实现了本系统的标定。本文将工件表面粗糙度检测与数字图像处理技术有机结合起来,对加工工件的表面图片进行预处理,在此基础上,提取了图像中的纹理特征并编程计算,最后得到的工件表面的粗糙度值,从而证明了此方法的可行性,研究结果对工件表面粗糙度的检测具有非常重要的实践意义。