零件的几何形状、几何尺寸测量是保证产品质量的重要手段,而基于机器视觉的测量方式正受到越来越广泛的关注。现有的基于机器视觉的零件测量方法大多要求整个零件轮廓位于相机的视场内,使得被测零件的尺寸受到限制。针对这个问题,本文研究使用小分辨率相机,通过沿着零件边缘拍摄多帧局部边缘图像,并通过图像拼接得到零件的高分辨率图像,解除被测零件的尺寸限制,可用于测量零件尺寸远超相机视场的场合,降低使用高分辨率相机带来的硬件成本。本文对其中的关键技术进行理论方法研究,并结合实际的视觉测量平台完成理论验证。相机对焦中针对传统对焦评价窗口选择的不足提出基于模糊边缘的对焦评价区域选择,极大的提高了评价函数计算值的准确性;针对常见对焦评价函数在离焦程度太大时分辨力下降问题,提出图像降采样的方法,提高了灵敏性。针对传统爬山搜索法的缺陷,通过分析后续多帧评价值的变化趋势,设计粗调焦、精调焦的双步搜索策略。零件边缘跟踪中通过形态学梯度提取零件的边缘,并通过轮廓查找与多边形拟合算法近似拟合边缘,分析拟合点得到边缘走向趋势,自动得到下一帧图像的方位信息。针对SURF算法不能找到关键点的问题,通过在边缘的特定斜率位置添加特征引入关键点备选区域,解决SURF算法关键点查找与配准问题。针对SURF算法匹配错误的情况,提出通过相同大小图像的归一化相关匹配与归一化方差匹配,解决匹配误差问题。实验证明在选定合适的相关匹配区域时能够完成相邻零件图像的像素级配准,相邻图像之间的拼接误差小于2.27um。根据配准点完成系列图像的拼接,并通过Canny边缘检测和基于Zernike矩的亚像素边缘检测得到边缘位置。通过基于最小二乘法的边缘拟合算法拟合出零件的边缘。通过使用精度为1um的标定量块对系统进行标定。并对一系列精度为1um的塞规进行测量。实验结果显示测量的最大误差小于10um,相对误差在0.18%以内,表明本文研究的方法测量精度较高,在使用小视场相机通过多帧拍摄的方式测量零件尺寸时具有一定的实际意义。