在通过莫尔条纹测量扭转角时,需要分别采集发生扭转变形前后的莫尔条纹图像,在工程实践中,该步骤一般通过CCD等图像采集设备完成。然而受外界环境和采集设备硬件成本、制造工艺等因素的限制,采得的图像大多质量不佳:图像模糊、没有清晰的边缘,并且混有大量噪声。这些因素大大降低了图像分辨率,从而对后续测量精度造成影响。为了提高测量精度,必须改善图像质量、提高图像分辨率。本课题以提高扭转角测量精度为目的,从莫尔条纹图像入手,其研究内容主要可分为以下两方面:1.完成了以超分辨率为主体的莫尔条纹图像处理算法:首先对莫尔条纹图像进行预处理,利用频域滤波及奇异值分解等方法,去除图像中的噪声;然后利用基于学习的超分辨率重建算法思想,构造训练样本集,设计了一种适用于莫尔条纹的超分辨率算法;最后,针对由超分辨率重建引入的块效应,设计了一种去块后处理算法。为验证该算法的有效性,设计实验对本算法结果与现存的超分辨率算法结果进行对比,实验结果显示,本算法在主观效果和客观指标两方面均显示出一定的优越性。2.完成了利用莫尔条纹计算扭转角的方法设计:实际采集得到的莫尔条纹往往并非理想的等距平行条纹,有时甚至会出现条纹弯曲现象;如果按照现有方法,直接对莫尔条纹进行细化和直线拟合,得到的拟合结果必然存在较大误差,导致无法获取正确可靠的条纹参数,进而降低扭转角的计算精度。为解决该问题,本课题提出一种假设,该假设认为出现弯折和不平行现象的莫尔条纹一定保留其对应的理想条纹的部分性质。基于该假设,引入媒介平行线组,经过条纹图像的细化,从媒介平行线组和细化结果的交点坐标入手,将扭转发生前后莫尔条纹的逼近问题转化为最优化问题,获取使限制条件达到最优的条纹参数。采集多组莫尔条纹图像,设计实验对该算法进行验证。实验结果显示该算法能够有效减小直接对条纹图像进行拟合而导致的误差,利用该算法计算出来的扭转角,其测量误差可以控制在2"之内。