金属工件尺寸视觉测量
针对多孔金属工件人工测量效率低、精度差的问题，提出一套机器视觉尺寸测量方案。先对图像完成灰度化、滤波、增强等预处理，采用两步Ramer算法分割轮廓并分类，结合卡尺工具精准定位边缘，再利用Tukey拟合算法抑制异常点、实现亚像素测量。实验结果表明，该方法整体误差可控，最大绝对误差 0.205mm，满足工业亚像素精度要求，测量效率与稳定性优于传统人工方式。
金属工件尺寸视觉测量
针对多孔金属工件人工测量效率低、精度差的问题，提出一套机器视觉尺寸测量方案。先对图像完成灰度化、滤波、增强等预处理，采用两步Ramer算法分割轮廓并分类，结合卡尺工具精准定位边缘，再利用Tukey拟合算法抑制异常点、实现亚像素测量。实验结果表明，该方法整体误差可控，最大绝对误差 0.205mm，满足工业亚像素精度要求，测量效率与稳定性优于传统人工方式。
工业生产中多孔金属工件包含圆孔、直线、圆弧等多种待测结构，传统人工测量操作繁琐、效率低下，且测量结果易受人为因素干扰，难以满足大批量、高精度检测需求。现有各类视觉测量算法也存在轮廓分割不准、抗干扰能力弱、拟合误差大等问题。为此，结合多种图像处理与拟合算法，设计基于机器视觉的自动化尺寸测量方法，实现工件几何参数精准检测。
工业生产中多孔金属工件包含圆孔、直线、圆弧等多种待测结构，传统人工测量操作繁琐、效率低下，且测量结果易受人为因素干扰，难以满足大批量、高精度检测需求。现有各类视觉测量算法也存在轮廓分割不准、抗干扰能力弱、拟合误差大等问题。为此，结合多种图像处理与拟合算法，设计基于机器视觉的自动化尺寸测量方法，实现工件几何参数精准检测。
整套系统分为四大环节：图像采集、图像预处理、图像分析、尺寸计算。通过工业相机采集工件图像后，依次完成灰度化、均值滤波、图像增强与阈值分割，剥离背景、去除噪声；再开展轮廓分割、边缘检测与曲线拟合，最终结合像素物理标定，换算得到工件实际尺寸。
整套系统分为四大环节：图像采集、图像预处理、图像分析、尺寸计算。通过工业相机采集工件图像后，依次完成灰度化、均值滤波、图像增强与阈值分割，剥离背景、去除噪声；再开展轮廓分割、边缘检测与曲线拟合，最终结合像素物理标定，换算得到工件实际尺寸。
多孔金属工件
系统流程图
1 轮廓分割
采用两步Ramer算法完成轮廓分割，先后使用大小两种阈值迭代逼近轮廓，快速区分直线、圆弧、圆形结构。同时引入全局参数S对轮廓自动分类，S=0判定为直线、S=-1判定为圆弧、S=1 判定为圆形，有效解决复杂轮廓拆分与识别难题，提升分割效率。
1 轮廓分割
采用两步Ramer算法完成轮廓分割，先后使用大小两种阈值迭代逼近轮廓，快速区分直线、圆弧、圆形结构。同时引入全局参数S对轮廓自动分类，S=0判定为直线、S=-1判定为圆弧、S=1 判定为圆形，有效解决复杂轮廓拆分与识别难题，提升分割效率。
预处理后图像
Ｒａｍｅｒ 算法近似原理
2 边缘点检测
运用卡尺工具定位边缘：在目标轮廓上等距生成检测矩形，结合高斯滤波与梯度计算，通过非极大值抑制筛选最优边缘点。该方式可快速提取直线、圆的边缘坐标，定位精度高，同时减少像素遍历耗时。
2 边缘点检测
运用卡尺工具定位边缘：在目标轮廓上等距生成检测矩形，结合高斯滤波与梯度计算，通过非极大值抑制筛选最优边缘点。该方式可快速提取直线、圆的边缘坐标，定位精度高，同时减少像素遍历耗时。
卡尺工具边缘点检测
3 曲线拟合
针对最小二乘法易受离群值影响的缺陷，采用Tukey 拟合算法。算法依据边缘点与拟合曲线的距离动态分配权重，大幅削弱异常点干扰，并结合高斯分布自适应设置削波因数，提升直线、圆形轮廓的拟合精度与鲁棒性。
3 曲线拟合
针对最小二乘法易受离群值影响的缺陷，采用Tukey 拟合算法。算法依据边缘点与拟合曲线的距离动态分配权重，大幅削弱异常点干扰，并结合高斯分布自适应设置削波因数，提升直线、圆形轮廓的拟合精度与鲁棒性。
基于 Ｔｕｋｅｙ 算法的拟合
实验前完成像素标定，确定单个像素对应物理尺寸为0.25mm。选取工件的圆形、直线、圆弧特征开展测试，统计测量误差。结果显示，绝大多数测量项目绝对误差低于0.1mm，仅一处直线测量误差为0.205mm，仍小于单像素尺寸，达到亚像素测量精度。误差主要来源于镜头畸变、成像景深偏差以及算法拟合偏差，整体测量结果稳定可靠。
实验前完成像素标定，确定单个像素对应物理尺寸为0.25mm。选取工件的圆形、直线、圆弧特征开展测试，统计测量误差。结果显示，绝大多数测量项目绝对误差低于0.1mm，仅一处直线测量误差为0.205mm，仍小于单像素尺寸，达到亚像素测量精度。误差主要来源于镜头畸变、成像景深偏差以及算法拟合偏差，整体测量结果稳定可靠。
测量结果图
测量绝对误差图
本方法融合Ramer轮廓分割、卡尺边缘检测与Tukey拟合算法，构建了一套完整的金属工件视觉测量方案，具有自动化程度高、抗干扰能力强，测量精度符合工业生产标准，可替代传统人工测量。后续可针对复杂工况、畸变校正等方向优化算法，进一步提升方案的通用性。
本方法融合Ramer轮廓分割、卡尺边缘检测与Tukey拟合算法，构建了一套完整的金属工件视觉测量方案，具有自动化程度高、抗干扰能力强，测量精度符合工业生产标准，可替代传统人工测量。后续可针对复杂工况、畸变校正等方向优化算法，进一步提升方案的通用性。
