根据无衍射光斑特性提出一种定中算法．对光斑进行圆环滤波，求取单个圆环上的光强度平均值及其光强度差绝对值之和Q（r），确定多个圆环Q（r）的总和为目标函数，利用单纯形搜索算法，以搜索目标函数最小值来确定光斑中心点，并进一步优化算法，只选取几个圆环代替全平面的圆环滤波来求取目标函数．结果表明，定中算法的平均时间小于0．21S，定位精度达到0．1个像素．

针对热真空环境条件对视觉测量精度影响的问题,提出了一种新的基于像素当量的二维尺寸视觉测量系统实时标定方法。该方法采用光刻已知尺寸线条的石英标准件作为测量基准,利用一阶微分期望亚像素细分算法和最小二乘拟合,可实时获取较高精度的像素当量值从而减小环境误差。热真空环境下的实验结果表明,该方法可用于热真空环境下二维小尺寸视觉测量的标定。

提出一种精确的结构光三维视觉测量系统标定算法.首先对系统内组件相机和投影仪进行亚像素和亚条纹级单独标定,在投影仪标定时,根据光学特性使用一种新颖的方法解决了系统标定的限制性条件:两组件标定时对标定物有严格的位置要求;另外,结合立体视觉标定技术,提出一种对系统结构进行强约束估计的系统标定方法,使用L-M优化算法调整各组件的内外参数,提高了系统整体的标定精度.试验结果表明了标定算法的鲁棒性和有效性.

为了对MEMS的微结构平面运动特性参数进行提取和分析,基于机器微视觉构建MEMS动态测试系统,提出模糊图像合成技术.在连续光照明下获取微结构运动图像,利用光学检测方法增强模糊特征带,引入亚像素定位技术提取特征结构边缘,最终获得微结构的平面运动特性参数.实验结果表明,该系统测量误差小于100 nm,具有较好的测量重复性精度.与现有系统相比,该系统测量原理简单,实现方便,且能满足微结构的测试需求.

亚像素定位精度是影响图像测量精度的关键因素之一.提出一种改进的二次多项式插值法,将Canny边缘检测算子与3×3方向模板相结合确定边缘方向,再利用Sobel边缘检测算子计算边缘的亚像素位置,并推导了定位误差公式,使CCD的分辨率提高40倍.计算测量了滚珠螺母的滚道圆度、圆柱度、径向圆跳动及同轴度等形位误差,误差分别f1=0.013mm,f2=0.016mm,f3=0.022mm,f4=0.014mm.在测量滚珠螺母的滚道圆度误差时,提出了离散点非对称分布在圆周附近时圆度误差的最小区域评定方法.用简单的解析方法论述了算法的实现过程,只需进行数次循环计算即可准确求出最小区域宽度(圆度误差).消除了方法误差,减小了误废率,提高了测量精度.

针对现有O形密封圈尺寸测量方法的局限性,设计基于主动视觉的精密检测方法,并对快速自动调焦、亚像素边缘检测、边缘点拟合技术进行了研究。将快速自动调焦过程分为3个阶段,使用大步长和方差函数,结合灰度切割对比度增强与中值滤波,完成粗调焦;使用小步长和Tenengrad函数,完成细调焦;采用Brenner函数和微步距完成高灵敏度调焦.用Zernike矩算法对边缘点进行亚像素定位,并采用面积最小误差法拟合边缘点,求取O形密封圈的内径、外径.实验结果表明:本文方法经过16步搜索,在15 s内可自动完成调焦;与传统方法相比,通过亚像素提取,能将内外径测量结果达到微米级,满足O形密封圈测量需求.

高精度的微小零件边缘检测中，传统边缘检测算法存在实际应用可操作性较差，检测结果难以达到精度要求等问题。为了提高边缘检测精度，提出了基于Soble算子的改进算法，该算法扩展了Sobel算子边缘检测的模板，并对扩展的梯度方向图进行了细化处理，而后在梯度图像上实现多项式插值亚像素细分，从而完成对目标边缘的精确定位。实验结果表明，该方法的定位精度为0.20pixel，满足微小零件在实际检测的精度要求。

针对直径检测及控制技术向大直径化硅棒发展的需求，设计一种低成本．功能适中的晶体生长控径系统。该系统以ARM9系列的S3C2440为核心，基于Linux嵌入式操作系统设计一种图像处理方法，根据亚像素原理计算出硅棒直径，并为上位机提供具有特定电平的模拟信号，从而控制直拉单晶硅生长速度，使系统实现测量数据可读化。实验表明，该系统能够很好地解决图像处理问题，图像处理的准确率满足直径检测系统的要求，且实现简单，成本较低．特别适合于对精度要求较严格的检测系统。

针对传统轴承测量方法成本高、效率低、精度低等问题,提出基于机器视觉卡尺工具法的轴承测量方案。该方案首先使用相机对轴承进行拍照取像,再用卡尺工具法对图像中轴承的内外径进行圆拟合。对相机标定后,测量出轴承的内外直径,并编写C#程序实时显示测量结果,实现对轴承尺寸快速、稳定、高精度、低成本的测量。实验结果表明:该测量方法达到了亚像素级别,测量精度高于0.008 mm,标准差小于0.015,满足国家标准,并且测量速度快,稳定性高。

边缘检测技术是刀具预调仪的刀具图像处理的核心技术。文中利用基于阈值进行边缘提取的思想,实现了亚像素级别的边缘检测,可以将边缘检测的精度提高10倍以上,为进一步提取刀具参数奠定了基础。