表面粗糙度测量是机械加工领域一个重要课题，传统的探针检测方法具有接触及易划伤表面等缺点，这限制了其在特定场合的使用。机器视觉方法由于其非接触性和快速等特点从而具有很大的应用潜力。本文依托国家自然科学基金资助项目“大尺寸机械零件的高精度在线测量方法研究”（批准号50805023），以磨削工件为研究对象，以表面粗糙度视觉车间现场测量为目的，使用纹理分析方法对工件表面图像粗糙度特征进行了研究，所从事的主要研究工作如下：　　 （1）对不同类型机械加工表面显微图像纹理特征进行分析，选取频谱分析法表征车削等规则机械加工表面主纹理特征，针对磨削加工表面纹理存在随机性特征的情况，首次提出使用基于Sobel算子的灰度梯度共生矩阵方法进行研究，应用不同纹理参量表征其粗糙度特性，并同已有的灰度共生矩阵方法进行了比较，实验结果表明了灰度梯度共生矩阵方法的优越性。　　 （2）在对不同算子梯度图像进行比较分析的基础上，提出一种新的基于LoG滤波器的灰度梯度共生矩阵方法。使用该方法对不同粗糙度平磨表面图像纹理特征进行表征，实验结果表明该方法优于其他算法。随后研究了高斯滤波器标准偏差和梯度等级对表征参量的影响。为评定不同放大倍率下纹理表征参量的性能，提出平均相关程度和相关程度波动性参数，并选取灰度梯度共生矩阵惯性值为最佳表征参量。　　 （3）为研究外圆磨削表面图像纹理特征，提出一种外圆磨表面图像弧度统计校正法。该方法首先依据灰度值标准差在纹理方向最小原理，构造多个纹理圆，对每个圆细分后计算其纹理角度，将所得结果去奇异值后求平均，确定工件纹理方向；然后沿纹理方向，进行分区域灰度值同均值、同方差处理，以校正弧度对成像的影响；最后对校正后的表面纹理特征进行研究，并与校正前进行了比较以证明该方法的有效性。　　 （4）为满足检测过程自动化的要求，提出一种不同类型机械加工表面自动分类方法，利用频域平面特性进行分类。该方法首先选取频域平面内特定数目峰值点，统计中心区域圆内频域峰值点个数占所取总频域峰值点个数的比例，以区分磨削表面和非磨削表面；然后在此基础上，将表面图像细分为四个相等子图像，提取每个子图像最大峰值点，分别进行直线拟合，计算斜率变化情况区分铣削表面和非铣削表面；最后计算平均功率谱参数，区分车削表面和刨削表面。　　 （5）对磨削工件粗糙度车间不确定环境检测进行了研究。首先研究了不确定环境下光线变化对图像纹理表征参量的影响，然后将工件表面灰度梯度共生矩阵惯性参量值、图像灰度统计均值和环境光照度值进行拟合，构造统一多参量模型，实验结果表明该模型能显著提高不确定环境下测量精度。最后针对现场检测的特点，提出该方法的一种工程应用简化，以发动机凸轮轴磨削表面为对象进行了现场实验，同时设计了简便灵活的无显微实验装置用于现场检测。