在工件的生产加工过程中,由于刀具与工具的相互摩擦,容易导致刀具表面受到磨损,从而影响到工件的加工精度。因此,应该实时了解刀具的工作状态,对加工刀具的磨损参数进行检测。在生产加工过程中,对刀具的磨损参数进行检测,掌握刀具的磨损状态.,可以有效避免工件的报废,甚至可以避免因工件报废而导致的机床故障,有效避免经济损失。本文通过机器视觉检测技术,对立铣刀的后刀面进行图像获取,以Matlab图像处理技术为手段对刀具后刀面进行小波去噪、边缘提取以及亚像素边缘检测。由于图像在拍摄过程中,受到光线、刀具表面附着物等的影响,获取图像的图像特征并不是很明显,需要进行小波去噪处理。本文重点对小波去噪的算法进行研究,首先是对现有的传统去噪算法’的去噪原理进行分析对比,并通过实验对图像进行处理,从视觉和数据上对比算法的优点和缺点。针对现有算法中常存在的无法连续求导以及处理后图像模糊、边缘缺失等问题,构造出了新的基于LMS准则的自适应算法小波函数,很好的解决了上述问题。在铣刀后刀面磨损量计算中,对传统的计算方法进行了改进。对磨损量的计算量由之前的以计算单方向最大磨损量改进为计算磨损量面积,使计算结果更能反映刀具的真实磨损状态。在计算方式上,由之前的求解磨损量近似图形面积改进为通过亚像素边缘检测,通过列扫描方式计算磨损量。在刀具磨损量计算过程中,分析了对铣刀后刀面磨损参数测量中,存在的一维参数测量和二维参数测量的优缺点。本文提出了区别于现有的磨损面积测量中使用的面积近似法的亚像素列扫描法,列扫描的计算方法既提高了计算精度也提高了计算速度,通过与现有方法对比,证明本文提出的计算方法是合理有效的。