随着生产制造业的快速发展,对零件的质量提出了越来越高的要求,同时对零件检测的精度和速度也提出了越来越高的要求。传统的接触式测量方法因为需要和零件接触,并且测量时间长、人为主观因素强,具有明显的局限性,严重影响了产品检测的效率。近些年来,基于机器视觉测量技术以其非接触、速度快、精度高、实时显示等优势在生产制造业中得到迅速的发展,已经成为解决生产制造业中零件测量问题的有效解决方案。本文以机器视觉相关知识为基础,研究如何对大型零件进行非接触在线测量,主要围绕着机器视觉相关的图像预处理、图像拼接、图像边缘检测以及几何量测量等内容开展研究。论文首先,对于测量技术的分类以及国内外研究现状进行了概述,并深入介绍了运用机器视觉技术进行测量的发展史和研究的意义。其次,对于基于机器视觉测量的相关内容分别研究分析。在研究图像预处理上,分析了图像灰度化处理和图像去噪相关算法,对图像去噪的经典算法进行实验分析和比较,最终证明小波去噪算法适合本课题。在研究图像拼接算法上,对当前图像拼接算法进行研究的基础上采用了一种基于特征改进的SIFT(尺度不变特征变换)匹配算法,通过实验验证了图像拼接的有效性及优越性。在研究边缘检测及测量原理上,对经典的边缘检测算法进行分析并基于Canny边缘检测采用一种改进的单像素边缘检测算法,在此基础上进一步研究亚像素边缘检测并验证该检测算法能够准确提取图像边缘,而在测量上研究了几何量的测量原理和系统标定方法。最后,通过以上算法研究分析,在Visual C++6.0的环境下开发了基于机器视觉的大型零件测量系统,并进行大量测量实验,通过实验结果能够验证,本测量系统可以在误差范围内进行精确快速的测量,能达到课题的预期目的。