计算机视觉可以代替人类视觉从事检验、目标跟踪、机器人导向等方面的工作,特别是那些需要重复、迅速的从图像中获取精确的信息的场合。在自动生产线上计算机视觉可以代替人工从事快速、准确、单调的产品检验工作。随着计算机技术的迅速发展,计算机视觉己在医疗诊断、工业自动检测和控制、智能机器人的导航与目标跟踪等领域得到广泛应用,尤其在制造业中产品外观质量的检测、尺寸测量、定量检测等方面的发展迅速,已取得了巨大的经济与社会效益。采用计算机视觉系统对发动机气门的尺寸进行检测,可以实现对气门的快速、非接触、高精度和流水线作业检测,还能为用户提供方便、丰富的操纵界面,进一步提升自动化水平。本课题主要在现有计算机视觉尺寸检测系统前期对象元平场补偿、测量定标和镜头畸变校正等算法基础上,进一步深入研究采集的发动机气门零件图像的水平、垂直、斜向和圆弧等边缘的检测方法,用软件编程,提取上述边缘的精确参数,实现精确的尺寸测量和实际应用。经对气门尺寸的计算机视觉检测实际应用,证明本文提出的算法精确且稳定,满足高精度视觉检测要求。本论文研究的主要内容包括：1.采用Prewitt算子完成对图像边缘初步定位,在此基础上,通过对图像边缘灰度变化的离散值作最小二乘曲线拟合,并对该拟合曲线求极值,得到边缘的精确定位。2.提出了用已知的多尺寸轴类零件为参照物,建立误差畸变校正模型,利用标准件进行自动校正,使得系统更加稳定、测量数据更加可靠。3.对多种气门进行实际检测,取得了较好的检测结果,达到了μ级的检测要求。