基于机器视觉的缝隙检测一直是工程质量评价领域范畴中的难点题目。在已经过去的几十年间,海内外研究人员对此开展了广博而深入的调研。不同环境下的缝隙检测问题很复杂,其缝隙检测面临着很多的挑战,特别是在对噪声的处理以及细小缝隙的精准检测方面,还需要进一步的改善。本文的研讨目标是完成缝隙相关参数的测定,以此来对工程质量的详尽分析评价提供数据支持。针对缝隙的结构特征,对其采取基于机器视觉的测量识别方法。使用缝隙的图像为样本,对缝隙参数进行测量。经过对CCD拍摄的缝隙照片进行一系列图像处理,包括降噪、边缘定位、二值化等方式将边缘定位到单像素,完成对缝隙的初步精确测量。依据缝隙图像噪声的特征,在依步骤进行图像处理以后,实验了使用改进的非局部均值滤波进行降噪的方法,更好的削除了噪声的影响,精细结构、细节信息和纹理的保留上有显著效果,实现了边缘的更好定位。针对现有的缝隙检测的局限性,针对实际识别缝隙中存在的虚断现象,采用了一种基于物理学中的引力模型的缝隙连接方法,充分考虑到缝隙图形本身的方向性。算法充分考虑了缝隙的延长性和局部过渡性,搜寻缝隙起始点,使缝隙是否该连接的判定局限在缝隙起始点延伸方向的局部范畴内。加强了噪斑点多存的情况下缝隙连接的鲁棒性,考虑到灰度间隔,制定了缝隙延伸与结合的多重判断方式相结合的方法,实验效果展示了其优越性。分析了经典的基于亚像素的边缘检测算法,采用了三角函数拟合法和曲线拟合法进行实验,对照阐明了两种算法在识别精度以及抗噪性能的优势和劣势。并针对实际缝隙图像,创新性地讨论了实际点扩散函数与理论点扩散函数的区别,针对在不同实验中采集到的数据,分析点扩散的原因和影响,在充分考虑到点扩散函数的情况下,对缝隙的测量进行补偿,更好地达到测量效果。同时讨论了实际CCD图像灰度补偿公式,改进了基于灰度的亚像素检测,取得了较好的效果。最后,对本实验的算法进行剖析验证性能,经过对测量实验处理结果的召回率和精准度进行测验,证明了本文设计算法的优越性与可行性。本文通过机器视觉的方法实现了对缝隙的识别测量,与此同时利用基于亚像素的边缘检测识别算法提升了测量准确性和精确度。