表面粗糙度是描述工件表面质量的重要形状参数,在机械加工等工程领域具有重要地位,其对机械工件的使用性能和寿命影响很大,主要表现在对工件的摩擦和磨损、疲劳强度、抗腐蚀性及零件间的配合性等方面的影响。传统的非在线检测方法有比较法、针描法、光学干涉法、光学散射法和显微镜法等。激光散斑图像的统计特性与工件表面粗糙度密切相关,可通过统计方法分析散斑的强度分布、对比度和散斑运动规律等特性。国内外众多学者对表面粗糙度做了大量研究,但研究的内容在于对比多种粗糙度值的散斑图像的特征参数随其粗糙度值变化的趋势,根据变化趋势分析表面粗糙度,而非单独直接测量表面糙度的值。激光散斑分类法因其非接触和高灵敏度的优点成为现代表面粗糙度测量的重要方法。本文以标准表面粗糙度平磨样块为研究对象,首先定位截取散斑采集系统采集的样块表面的CCD激光散斑图像；其次利用自适应维纳滤波和对比度增强技术对图像预处理,滤除散斑噪声,增强散斑的对比度特性；然后对图像处理,利用自相关函数和分形算法分析散斑图像的二阶统计特性,提取散斑图像分形维参数；最后用最小二乘法曲线拟合不同表面粗糙度及其分形维参数构成的样本集合,构建散斑图像与表面粗糙度值间的函数关系。在检测表面粗糙度时从散斑图像处理中提取的参数,然后代入通过最小二乘曲线拟合取反的函数模型即可计算出表面粗糙度的值。