当前随着国内工业的发展,对各种新型材料性能指标的要求也日益提高,应力、应变性能测试是其中必不可少的两项。在应变测量中,传统的接触式测量方式存在操作复杂、对环境要求高、不适合在高温高压测量等缺点,无法适应智能化要求。而基于机器视觉的非接触式测量以其适用范围广、测量智能化的优势成为变形测量研究和应用的热点。本文从软件算法方面着手,通过改进图像处理算法提高变形测量的精度。首先介绍了小波算法在图像处理中的应用。在对图像的采集过程中,会受到内外部因素的影响如不稳定的照明、传感器自身温度的变化等。这些因素都有可能使获取的图像带有噪声。因此需要对图像进行滤波来消除噪声。本文采用一种改进后的小波阈值算法对图像进行滤波。利用小波的多尺度特性,将图像进行分解,发现并去除含有噪声的小波系数,再将图像进行重构,从而完成图像滤波。接下来采用固定阈值法对图像进行二值化处理。二值化后的图像称为二值图像,从而减小了之后进行边缘检测的计算量。在此基础上,利用小波算法对图像的边缘进行检测,并与传统的边缘检测算法做比较。通过综合比较发现小波算法在边缘识别的准确率和运算速度方面优于传统算法,从而得出边缘检测的最佳算法。此时完成了对图像边缘像素级的定位。其次介绍了亚像素边缘定位在基于机器视觉的变形测量中的应用。针对亚像素边缘检测,本文采用了灰度矩算法和最小二乘算法进行研究。然后对亚像素定位线进行直线拟合得到两条标记线,从图像中测出两个标记线之间的像素距离后,根据对摄像头的标定值求出试件的变形量。研究表明,采用最小二乘法的亚像素定位和直线拟合方法对提高检测精度是有效的。本变形测量系统是在Windows XP系统下运行,使用C++语言并结合OpenCV开源数据库完成对操作界面的设计和软件编程工作。该系统实现了对试件形变的测量控制为一体的目标,并具有较快的速度和精度。此外本系统程序采用模块化设计,移植性强,便于与试验机控制程序结合,应用于实际工业应用中。在试验中,利用试验机对试件进行拉伸,选用工业数字摄像机进行对图像的捕捉。通过对图像处理得到的数据进行整理,并利用试验的方法对采集的数据进行标定,完成对试件形变的精密测量。