油管外螺纹因其具备优越的密闭性、耐压性,因而在石油开采领域被普遍使用。当今世界对能源的需求十分迫切,各国对油管外螺纹的使用量急剧增加,而对其质量的要求却更为苛刻。传统的油管外螺纹检测是由工人手工实现,该过程繁琐、耗时且费力。并且在评定结果时,由于缺少严格规范的尺度,操作人员的经验将对最终测量结果产生重要影响。近年来,计算机视觉和图像处理技术,即机器视觉技术,发展迅速,已成为较先进的检测手段,它具备高效、高速、非接触检测、智能化等优点。利用该技术检测外螺纹参数已成为各高校及科研机构的重要研究内容。本文重点研究基于数字图像处理技术的外螺纹参数检测系统。首先,搭建光学成像系统,利用CCD相机摄取油管外螺纹图像,通过图像预处理、二值化、边缘检测、亚像素定位等相关技术理论获得螺纹边缘轮廓。在分析、比较几种边缘检测算法的效果后,本课题决定使用Canny算法提取螺纹边缘轮廓,同时利用亚像素技术获得更精准的边缘信息。然后使用直线拟合加圆拟合方法实现对螺纹边缘轮廓的拟合。此外,需通过标定技术获取CCD的像素尺寸当量。最后,在深入了解油管螺纹几何形貌及美国石油学会(API)的测量方法的基础上,通过一定算法得到了外螺纹参数,并分析了误差因素。同时使用Visual C++语言作为本检测系统的开发语言,设计了较为简洁的操作界面。实验结果表明,所开发的基于机器视觉的检测系统可以完成对外螺纹参数的测量。本文的检测方案、相关算法,能够为其他相关研究提供一定的借鉴。