齿轮是制造业中广泛使用的基础性零部件,其齿面的形状误差是齿轮性能的重要评价指标之一,对传动性能和使用寿命有着重要的影响,实现对齿轮齿面的精密测量是提高其制造精度与修形精度的前提。激光干涉测量法因其理论精度极高,是非接触式测量的发展方向之一。测量时,干涉条纹图像是目前唯一采集到的数据,其处理方法与处理精度直接决定了激光干涉测量的精度及可靠性。本文将针对干涉图像的齿面域分割这一问题进行深入的研究。本文对比分析了现有的经典齿面域分割算法。本研究采用常用的干涉图前景区域分割算法（包括相对调制法,齿面物像灰度法和同组干涉图共同过滤法）提取和分割干涉条纹图案。通过比较分割结果,讨论了不同方法的优缺点;在使用这些方法分割干涉图像齿面域的过程中,确定了一种适合本研究的阈值选择方法;根据不同算法的优缺点说明其适用情况并给出了不同干涉图齿面域分割方法的选取建议。本文提出了一种基于局部密度分析的图像分割校正算法。由于测量中焦平面垂直于齿宽方向,齿面的入射侧与出射侧不能同时聚焦,离焦一侧的边缘呈锯齿状分布,影响干涉图齿面域的分割精度。本研究提出的基于局部密度的图像分割校正算法首先生成一个二值化掩膜图辅助齿面域的分割;其次,对二值化掩膜图的像素进行局部密度计算,并根据密度将像素划分为高密度区域与低密度区域;然后,对低密度像素点进行核矩阵内部高密像素数量统计,并根据统计结果区分齿面域边界点;最后,给出了计算参数的选取原则并通过实验验证该方法的可行性与正确性。本文引入图像频域信息用于干涉条纹图像齿面域的分割。对于干涉条纹图像边缘产生的一系列杂散条纹以及图内噪声,当前研究主要集中在对时域信息进行处理,干涉图像的频域信息未能得到充分利用。本文首先根据干涉条纹图像频谱特点进行Butterwort高通滤波,保留齿面边缘等细节信息;其次,对滤波结果进行二值化处理以进行后续的边界提取;其次,通过小波变换得到干涉图齿面域条纹细节信息后进行二值化处理;然后,对条纹二值掩模进行插值处理后与Butterworth滤波的二值图结合识别出齿面域的边界点;最后,通过实验验证基于频域信息分割齿面域方法的有效性与准确性。