图像测量技术以数字图像处理为基础，结合了光学、电路、信号处理、计算机视觉处理等技术，是近年来兴起的高性能非接触式测量技术。除了在测量领域，图像测量在图像模式识别、图像匹配、图像定位等领域都有着广泛的应用。相对于传统的测量技术，图像测量有着测量精度高、应用范围广、可控性好等诸多优势。本文结合数字图像处理原理，对图像测量的流程与算法进行了深入研究，并通过多组实物的测量实验来进行验证。　　图像测量过程主要包括图像预处理、图像二值化、边缘检测、直线与圆检测和参数计算几个部分。图像预处理包括图像增强和图像去噪两个部分。图像增强通过灰度变换增强和直方图增强等方法对灰度图像进行增强处理，通过提高图像对比度来提高目标的可辨识程度。图像去噪通过滤波的方法来实现，分为空域滤波和频域滤波两类，本文在直线检测部分主要采用了空域中的中值滤波滤除噪声，并起到平滑边缘的作用。在圆检测部分，对于光照不均匀的图像，采用了频域中的同态滤波来减少光照的影响。图像二值化部分，采用了全局阈值法中的自适应最大类间方差法（OSTU法）来分割图像的目标和背景，能够根据不同的测量要求，达到相应的分割效果。在边缘检测部分采用了微分算子中的Canny算子来实现，该算子在检测的准确度和抗噪性能上都优于Sobel算子、Roberts算子和LOG算子等其它一阶、二阶算子。直线检测部分采用了Hough变换算法，通过原始图像空间和参数空间的变换来提取图像中的直线。圆形检测包括完整圆的检测和不完整圆的检测，均采用了准确度较高的最小二乘拟合算法，并通过改变起始点和连接点的个数多次测量取平均值，减少测量误差。　　在实验部分，分别通过几组实物来进行直线、圆、圆环及复杂形状物体的多项参数测量，并对测量结果及产生的误差进行分析。实验结果显示，本文中的测量流程和算法均切实可行，在采用的不是专业的摄像系统且摄像环境并不完全理想的情形下，测量精度依然能达到毫米级，可以满足大部分测量系统的需要。