随着社会生活水平的提高,各式各样产品的生产标准越来越高,视觉测量技术作为一种广泛应用于实际生产生活中的重要检测方法,具有非接触、高精度、速度快和柔性好等突出特点,其研究价值受到了国内外越来越多的重视。边缘检测作为视觉测量技术的重要环节,其主要作用是精确检测和提取边缘位置信息,实现高精度测量。为满足实际视觉测量的高精度要求,检测精度小于一个像素的亚像素边缘检测方法成为视觉测量技术领域中最活跃的课题之一,本文对亚像素边缘检测及其相关视觉测量技术进行了深入研究。第一,研究了边缘检测中图像预处理的相关理论,包括图像噪声、滤波算法和传统的像素级边缘检测算子;总结了现有三种类型的亚像素边缘检测方法,选取了常用的Zernike矩法、多项式拟合法与双线性插值法进行MATLAB实验仿真,对比分析了各算法在检测精度、速度以及抗噪能力等方面的优缺点。第二,提出了三角函数边缘模型,利用三角函数在[-1.5,1.5]区间内的图像来模拟亚像素边缘,克服了现有直线模型的不具一般性以及二次曲线模型无法保证边缘始终从左到右穿过窗口等缺陷;针对像素灰度值模型的边缘检测思想,完善了处理图像侧边的方法,详细讨论了水平单像素边缘情况的处理问题。实验仿真结果表明:基于完善后的理论,本文提出的三角函数模型在检测理想圆形边缘时,其检测精度可以达到0.03个像素,明显优于其他检测算法。第三,为保证改进算法在噪声图像中具有良好的检测效果,本文改进了非线性扩散滤波方程,将方程中高斯函数部分的标准差由常数改写为变量函数,即随着迭代次数的增加,高斯函数的标准差将逐渐减小,这样既保证滤波效果,又减少边缘细节丢失。仿真实验表明,噪声图像经过改进P-M方程的平滑滤波后,其信噪比可提高6.6%左右,改善效果较好。第四,基于实验室条件,搭建了视觉测量系统,完成系统标定,并对边缘易于检测的剃须刀片进行了图像采集与边缘检测。实验结果表明,与原算法以及Zernike矩法相比,本文提出的三角函数型边缘算法能够实现对实际目标物体的高精度边缘检测。