工业现场清洁过的微型工件表面仍会有少量灰尘、发屑等附着物存在，在微型工件的视觉检测系统中会因其改变提取的目标轮廓而影响检测结果。为此，以灰尘与工件存在较小差异的任意位置和形状的一类附着物为考察对象，以区域生长提取的目标轮廓为先验背景，研究附着物定位与剔除算法。首先，获取沾染附着物的工件图像，采用基于区域的分割算法做处理，以建立工件轮廓的先验知识；其次，从曲率角度定位附着物轮廓角点，以此剔除附着物轮廓；最后，根据先验知识自动修复断开的外轮廓。实验结果显示，加入附着物去除与修复算法后测量精度没有降低，测量结果误差 6 μm 以内，图像边缘的定位准确度能够给予保证。表明所研究的附着物定位与剔除方法使检测系统在允许微小附着物存在并且不影响测量精度的情况下，实现了目标轮廓的正确判别，提高了视觉检测系统的可靠性。

针对微小型平面零件给出了一种基于图像的轮廓度测量与评定方法。包括实现轮廓度测量的理论轮廓数据建模方法、对应理论点的扩展极角定界搜索方法以及满足最小条件的最小极偏差轮廓度误差评定方法。通过实例将最小极偏差轮廓度评定方法(LDM)与传统的最小二乘轮廓度评定方法(LSM)进行了分析和比较。结果证明,对于不同实际零件,最小极偏差评定方法较最小二乘评定方法收敛于最小值的迭代次数减少了0~3次,精度优化了4%~12.6%,可以满足微型零件高精度、高效率轮廓度检测的要求。

为了实现微型零件轮廓的高精度测量,根据其成像特点,提出了一种基于离散点的轮廓度评价算法——被测轮廓与理论轮廓离散点间最小距离法。首先,提取出被测轮廓的边缘点信息,然后,依据理论轮廓计算出一系列间距极小的坐标点并建立坐标系,将被测轮廓点与理论轮廓点对应,最后将计算得出的每个被测轮廓点到最近理论轮廓点的距离作为该点的轮廓度误差。实验结果证明,测量精度优于2 pixel,此方法可有效地提高线轮廓度的评价精度和效率。

对图像测量清晰度算法进行选择并提出一个综合评价算法,对各种算法的优化与统一进行了研究.基于微型精密零件的成像测量方法,使用远心成像测量系统在不同工作距离处进行了图像采集,并使用相关算法进行清晰度评价,最后对所得数据进行主成分分析和因子分析.从8种适用于微型精密零件灰度图像清晰度评价的算法中计算出适用于微型零件光学影像测量的评价算法,并建立了综合清晰度评价模型.实验结果表明:本文的数据处理模式能够对微型零件图像测量系统的清晰度算法进行选择并解决不同算法间的协调问题.在保证评价效果不变的前提下,数据量由1 408组优化为176组,而且本文提出的数据挖掘算法能针对同一要求的不同评价值进行选择及综合.