机器视觉检测是指通过机器视觉方法获取被测目标的图像信息,将之与预先得到的标准进行比对,进而确定被测目标的质量状况的过程。机器视觉检测克服了传统检测存在的弊端,以其速度快、精度高、非接触等优点而得到广泛应用,是检测技术中的研究热点之一。本论文综合应用光电技术、数字图像处理技术和计算机技术,以薄片型机械零部件为主要测量对象,搭建一套用于测量目标尺寸的精密图像检测系统,主要包括照明系统、数字图像采集系统、图像处理系统和尺寸测量系统。针对系统检测要求设计合适的图像采集系统并进行标定,对图像处理技术进行深入研究,主要研究图像前期处理、像素级边缘检测和亚像素边缘检测技术,并在研究基础上开发一套用于机械零部件尺寸测量的软件系统。首先设计合适的照明光源及镜头结构,研究摄像机标定技术,获取摄像机的内部参数和畸变参数,对图像采集系统存在的畸变进行校正,以获取符合检测要求的图像,为准确测量目标尺寸奠定基础。其次针对目标图像前期处理中的彩色图像灰度变换、滤波去噪和二值化方法进行研究,提出使用加权平均值法灰度变换、中值滤波法去噪和图像二值化的目标图像前期处理方法,以使系统采集图像达到良好的前期处理效果。然后使用边缘检测方法获得机械零部件的精确边缘信息,在对图像边缘进行检测时,实现多种经典边缘检测算法,并对这几种不同的边缘检测算法进行实验对比；分析亚像素边缘检测技术现状,基于灰度矩算法的基本原理,提出了一种改进的灰度矩算子,将算子的模板扩大到9×9尺寸,进一步提高算法的边缘定位能力,并通过实验验证算子的性能。实验结果表明,该算子有效提高了边缘检测精度和速度。最后对图像的边缘信息进行识别和测量,获得图像的准确尺寸数据。通过静态测量和动态测量两种方式检验系统性能,统计并分析测量结果,对误差存在的原因进行讨论。实验结果证明,使用本文设计的测量系统对机械零部件进行尺寸测量,结果准确有效,为以后的图像检测系统研究提供一定的借鉴。