工件的尺寸测量是机加工领域工业生产的关键环节之一,测量结果的正确与否会直接影响最终的产品品质,并且对后续的再加工和装配起到关键性的作用。随着“工业4.0”时代的推进,工件尺寸测量技术也在快速发展,人们要求新的测量技术满足高精度、高效率、自动化的特点。传统的人工测量方法很难满足现今大批量工业生产的需求,若将机器视觉技术应用在工业测量领域,则可以极大地提高测量精度、效率、可靠性,以及自动化、智能化的水平。因此,本论文围绕机器视觉和工件尺寸测量,展开系统研究和算法设计。论文首先对照明光源和图像采集展开分析研究,设计了蓝色LED环形光正向照明,双远心镜头配合500万工业级CCD的工件成像测量系统,为后续获得高对比度、高清晰度的图像奠定了基础。其次,本文从机械加工的工艺出发,分析了各类加工方式对工件表面完整性的影响,以及工件表面完整性的好坏对轮廓提取的影响。并将工件按照外轮廓的形态分成“悬崖式”和“缓坡式”两大类。针对这两类轮廓,本论文共提出轮廓分段提取法、上表面信息法、骨架去枝法、灰度直方图分割法等四种工件外轮廓提取算法。这些方法采用了合适的图像处理算法来避免工件表面完整性对轮廓提取的干扰。最后利用本论文所设计的机器视觉工件测量系统及工件外轮廓提取算法,对微波谐振腔零部件尺寸进行测量,通过多组重复性测量实验,从精密度和准确度两方面对本文的工件轮廓提取方法的性能进行了评估。实验表明:本文的轮廓提取方法对同类型工件的不同个体有较好的适应性,检测结果不受不同个体灰度差异的影响,并且能有效排除特殊噪声的干扰,获得完整的轮廓信息,实用性强;测量稳定性高,具有较高的精密度,以不确定度衡量的多次重复性测量的结果能稳定在±78)的区间内;对标准件进行测量,测量误差的绝对值小于138),测得值接近真实值,说明本文的方法具有较高的准确度。