在机械工业、轨道交通等领域，对细长轴类零件高精度测量有着十分广泛的需求。传统测量方法主要是接触式测量，存在耗时长、劳动强度大、测量力损伤零件等问题，已不适应当前制造业发展要求。机器视觉测量以图像作为测量和信息传递载体，具有非接触、易于实现自动化、测量结果便于计算机分析处理等优点受到普遍关注。为此，结合国家自然科学基金资助项目(50805023)，围绕细长轴类零件高精度测量，论文研究了一种新的机器视觉测量方法，主要内容如下:　　(1)为了解决测量范围与测量精度之间矛盾，提出了基于外部参照关联的细长轴测量方法。将细长轴划分成若干个待测轴段，在各待测轴段放置经过编码和标定的参照物，在不同物距下对各待测轴段和参照物成像，通过模板匹配提取了参照物编码信息，获得了参照物上各个特征点坐标，计算了相机空间位姿参数。以小孔成像模型为基础，推导了直径、截面圆心坐标与相机空间位姿参数之间的数学模型，从而解决了单幅图像无法提取截面圆心坐标问题和伪直径问题。建立了描述参照物特征点坐标变换的数学模型，根据数学模型将各待测轴段测量结果建立联系，进而统一到相同坐标系下，实现全轴线方向上测量。　　(2)为获得均匀光照以提高测量系统可靠性与实时性，提出了光源布置的优化方法。首先，以照度方差最小化为主要优化目标，以辐照区域面积等为约束条件，建立光源优化布置的目标函数;然后，针对目标函数非凸特性，采用模拟退火算法进行求解;最后，将TES-1330A照度计固定在固高GXY2020GT4-XLE型机电一体化二维平台上，对200mm×200mm的平面按间隔5mm进行网格划分，测定各个网格交点处照度。实验结果表明，优化结果与实验结果相差在4％以内。　　(3)针对工业现场环境下图像受到多种噪声污染问题，提出了基于空间通用自回归模型(Spatial Generalized AutoRegressive，SGAR)的图像自适应滤波方法。推导了线性与非线性融合的SGAR模型，通过仿真数据验证了模型的准确性，在此基础上研究了模型类型、回归窗口尺寸及子图像尺寸对纹理图像重建精度的影响。将SGAR模型用于数字图像滤波，实验结果表明该滤波方法可以有效处理高斯噪声和泊松噪声，对脉冲和噪声混合也有一定滤波效果，处理后图像边缘清晰，从而保证了后续图像处理算法的准确性。为了提高图像分辨率以提高测量精度，提出了一种新的图像自适应插值算法。用SGAR模型取代PAR(PiecewiseAutoRegressive，PAR)对低分辨率图像窗口结构自适应建模，用鲁棒GM参数估计方法求解模型参数，根据训练后SGAR模型和反馈机制得到图像插值数学模型，采用梯度-模拟退火算法对模型进行求解。实验结果证明，基于SGAR模型的图像插值算法具有噪声不敏感和边缘保持等优点。　　(4)针对Canny算法高低阈值设定问题，提出了基于二维最大条件熵的自动阈值Canny算法。首先用梯度算子计算得到梯度图像，并对灰度图像和梯度图像归一化处理，统计得到灰度-梯度共生矩阵;然后根据熵理论建立基于二维最大条件熵的灰度图像最优分割数学模型;最后采用模拟退火算法对其进行求解，计算得到图像分割的最优灰度值和梯度值。设定Canny算法高阈值等于该梯度值，低阈值按高阈值0.4倍取值，解决Canny算法阈值自动计算问题。实验结果表明，采用该阈值自动计算方法后，Canny算法的漏检和误检均显著改善，即使是含多种噪声图像，也成功地检出其边缘。　　最后，综合运用上述关键技术，建立了细长轴几何精度机器视觉测量实验系统。以传动丝杠为对象，开展细长轴几何精度测量实验，并与三坐标测量机测量结果对比。实验结果表明，机器视觉测量实验系统其直径和直线度测量不确定度分别为4.9μm和7.0μm，三坐标测量机其直径和直线度测量不确定度分别为2.3μm和6.2μm;以三坐标测量机测量结果为参考值，机器视觉测量实验系统其直径和直线度测量误差分别为0.002mm和0.017mm。证明所提出的测量方法及其关键技术可行。