伴随着如今制造行业的飞速发展,工业测量技术也朝着高效率、高精度方向发展,人们慢慢发现,以往的人工测量方式已经无法达到当下测量的高效率、高精度要求。由于基于机器视觉的图像测量技术具有精度高、效率高、非接触式测量的优点,于是图像测量方法逐渐成为当下工业生产测量检测方面关注的热点。本文在分析图像测量技术的基础上,通过对传统图像识别技术的分析,研究了适合于本课题的改进算法,实现了基于图像识别的机械零件尺寸测量,具体研究工作如下:(1)研究分析了图像测量技术在现代机械零件测量中的重要性,以及发展现状和存在的问题。设计一种基于机器视觉的图像测量系统方案,并依据系统需求,选择了合适的相机、光源以及其他硬件设备等,搭建用于本课题中机械零件测量的双目视觉测量平台。(2)研究分析噪声的形成、类型以及对应的去噪技术,选择了适用于本课题的滤波方式。因为传统中值滤波算法比较难以实现,故在此对中值滤波的快速算法进行分析研究,实验结果表明该算法快速的实现了滤波。(3)以待测零件图像作为实验对象,研究分析了一些经典的算子,包括Sobel边缘检测算子、Canny边缘检测算子,以及传统形态学算子的基本原理,并通过多次试验对几种经典算子进行了对比分析研究。对传统的数学形态学算子进行了分析改进,试验表明,改进后的形态学梯度算子,可以有效地细化图像边缘。(4)对可以用于直线特征提取的Hough算法进行研究分析,包括其基本原理和算法步骤,运用Hough变换对本课题中的直线基元进行提取;为了提高精度,研究采用改进的亚像素定位技术,针对所研究的机械零件边缘图像的特点,提出了用直线边缘的多项式插值亚像素边缘定位方法,对待提取边缘实现了较准确的定位。(5)编程并调试运行环境,运行软件,进行多次试验。试验结果表明,本文提出的改进算法和实验方案可以较好实现机械零件尺寸的测量,并且改进算法较改进前精度有明显提高。最后,通过探索分析,在既得研究成果的基础上,对今后接下来的研究方向提出了思路。