在传统测量方法逐渐不能适应现代工业快速发展的情况下,检测手段正在由接触式测量向非接触式测量转变。在非接触式测量领域中,以机器视觉为基础的图像检测技术在诸多方面具有优异性能,因而得到了广泛的关注与应用。异形零件存在无法用解析几何准确描述的空间自由曲面,传统检测手段对其的检测效率较低,检测效果较差,存在一定的检测难度。为了解决该问题,本文对基于机器视觉的异形零件图像采集与检测进行了研究,旨在通过图像检测技术提高异形零件的检测效率与测量精度。文本的主要研究内容如下:(1)以线阵CCD为主要的图像采集设备,分析了CCD图像传感器的图像采集原理,由原理出发建立了线阵相机成像过程中的数学模型,从该模型中提取出影响线阵相机成像精度的关键参数:像素灰度值与像素列标。(2)对成像系统的四个坐标系进行了分析,通过四个坐标系之间的转换矩阵说明了实物与图像之间的映射关系,对映射中存在的非线性因素─几何畸变进行了研究,提出了一种基于神经网络的畸变矫正方法。实验证明,该方法比传统的多项式拟合矫正法具有更好的矫正效果。(3)对线阵相机的图像采集过程进行了分析,得出了制约线阵相机采样精度的主要因素是扫描机构无法精确控制采样坐标。本文提出了一种融合光栅尺的图像采集方法,该方法不仅能够实现线阵相机的高精度图像采集,还可以将采样精度提升至亚像素级。基于该方法搭建了图像采集平台,对待测件进行了实测,取得了良好的检测效果,最高测量精度可以达到1μm。(4)分析了用传统边缘检测算法对异形曲线进行检测存在的不足,即检测精度均停留在像素级别,当图像分辨率低时会产生较大的测量误差。提出了一种亚像素边缘检测算法,该算法能够对异形曲线进行像素内的精确拟合,提高了测量精度。由拟合曲线可以得到能够近似描述异形曲线的解析函数,从而获得异形曲线上所有点的位置坐标。