亚像素定位精度是影响图像测量精度的关键因素之一.提出一种改进的二次多项式插值法,将Canny边缘检测算子与3×3方向模板相结合确定边缘方向,再利用Sobel边缘检测算子计算边缘的亚像素位置,并推导了定位误差公式,使CCD的分辨率提高40倍.计算测量了滚珠螺母的滚道圆度、圆柱度、径向圆跳动及同轴度等形位误差,误差分别f1=0.013mm,f2=0.016mm,f3=0.022mm,f4=0.014mm.在测量滚珠螺母的滚道圆度误差时,提出了离散点非对称分布在圆周附近时圆度误差的最小区域评定方法.用简单的解析方法论述了算法的实现过程,只需进行数次循环计算即可准确求出最小区域宽度(圆度误差).消除了方法误差,减小了误废率,提高了测量精度.

针对直径检测及控制技术向大直径化硅棒发展的需求，设计一种低成本．功能适中的晶体生长控径系统。该系统以ARM9系列的S3C2440为核心，基于Linux嵌入式操作系统设计一种图像处理方法，根据亚像素原理计算出硅棒直径，并为上位机提供具有特定电平的模拟信号，从而控制直拉单晶硅生长速度，使系统实现测量数据可读化。实验表明，该系统能够很好地解决图像处理问题，图像处理的准确率满足直径检测系统的要求，且实现简单，成本较低．特别适合于对精度要求较严格的检测系统。

在以SD卡为图像存储器件的图像协处理器中，基带芯片和SD卡控制器在速度上的差异经常会导致数据传输错误。为解决此问题，设计了一种可适应多种时序情况的DMA控制器。该DMA控制器的状态机，一方面对基带芯片和SD卡控制器的操作请求进行仲裁，在响应基带芯片请求的同时，适当推迟SD卡控制器的请求；另一方面对DMA读写的数据进行计数．并以此判断SD卡的一次多块读或多块写操作是否完成：最后对基带芯片和SD卡控制器的速度做出判断。必要时暂停速度较快一方的操作。实际工作表明，该DMA控制器能够在基带芯片和SD卡控制器之间正确传输数据并使读写SD卡的速度达到210kB／s。

全自动生产线上对制动盘进行检测,在众多的无损检测方法中选择磁粉检测。简述了磁粉检测的原理以及真伪缺陷的区别,对原有的梯度法、自适应动态阈值分割算法进行分析,对其不适应制动盘检测部分进行简单说明,在此基础上选取梯度值算法、自适应动态阈值分割算法与数值分析相结合,利用MATLAB软件提取灰度值图片然后进行分析,省去专人检测环节,达到全自动化求。实验验证该方法能够准确的识别真伪缺陷,提高了检测精度并且节约了检测时间,适用于流水线式制动盘检测。

为检测木工板材表面缺陷，采用3D智能相机获取包含灰度图和高度图的三维图像。通过比较，选择高度图作为研究对象。应用均值滤波和动态阈值分割方法检测板材表面的大缺陷特征，应用高斯滤波和全局阈值分割方法检测板材表面的小缺陷特征。对缺陷特征进行了开运算和闭运算等形态学处理以提高识别缺陷位置和大小等数据的准确度。实验表明：该方式能够准确识别出满足工厂工艺要求的板材表面缺陷，经坐标标定后，可给出缺陷的大小和位置信息，为修复设备实现缺陷的定点修复奠定了数据基础。

针对柔性板的低频振动问题,研究了一种基于双目视觉测量其低频振动和反馈的控制方法。采用视觉传感器采集柔性板振动过程中的图像序列,通过图像处理的方法分析图像序列,从而得到柔性板的振动信息。以此信息作为控制反馈信号,采用最小控制合成算法（minimal control synthesis,简称MCS）抑制柔性板的振动。在相同的条件下,比较MCS算法和比例微分（proportion differentiation,简称PD）算法的控制效果。实验结果验证了基于双目视觉测量和MCS算法的可行性,且MCS算法的控制效果要优于PD算法。

为了测量圆形物体的直径,无需考虑复杂的成像模型,基于一种先测量后建模的思想,首先测出一系列标准物体的直径,接着依次将这些物体放到测量平台上,通过图像处理的方法依次获取这些物体在CCD相机中的直径,建立一一对应的关系。根据这些数据,利用曲线拟合的方法建立实验模型。最后根据实验模型,在一定范围内测量其他未知直径的物体,并与人工用游标卡尺测量这些物体的直径进行比较,验证了该方法的可行性并分析了尺寸测量误差产生的原因。

针对目前烟草行业高速小盒烟包生产过程中出现的外观缺陷等问题，设计了一种小盒烟包外观质量检测系统。首先对系统进行总体方案设计，确定系统工作流程；其次对系统进行图像采集、信号处理、图像处理与显示模块的硬件设计，并通过对烟包图像进行多种算法综合处理，有效定位并识别烟包多种外观质量缺陷；最后进行在线实时检测验证。实验表明，该系统稳定可靠性强，检测精度高、速度快，适用性强，易于安装维护。

齿环的结构比较复杂,手工检测齿形程序繁琐,目前的自动化机器视觉检测系统在大型齿环高精度检测方面存在致命的缺陷,这是由于齿环半径较大,拍照区域也较大,即便是高像素的面阵相机在这种情况下的检测精度也会显著降低,不能满足高精度的要求。针对这个齿形检测的难题,该机器视觉检测系统是对齿环齿距、齿高、斜齿等缺陷特征进行深入研究,利用Delphi软件开发工具,开发出一套高精度识别缺陷的机器视觉检测算法,通过使用线阵相机和线扫描齿形区域的方法,能够快速有效的检测大型同步器齿环的齿形缺陷及对应尺寸,在对齿环需求量较大的今天,有着非常重要的实用价值。

针对大尺寸工件细小孔的视觉定位存在大视场检测精度低而小视场检测效率低的问题,提出一种基于机器视觉的单相机大尺寸工件细小孔位坐标的测量方法。该系统使用单相机4次采集,基于原点标记搜索拟合和动态计算孔位坐标的测量算法,考虑到机器视觉识别的局限性,设计易于识别的原点标记。利用采集到的带有原点标记的图像,通过对图像拟合、提取、比较分析等操作,获取原点坐标和X、Y轴的方向,以此对细小孔位坐标进行补偿,得到孔位坐标。最后以液晶显示器背板灯条螺丝孔为例,实验结果表明,该系统在检测960mm×550mm的液晶显示器背板时的最大误差为0.5mm,能够满足液晶显示器生产企业的要求。