为了实现对羊体体尺的无接触式的测量，本文对利用机器视觉和图像处理技术完成羊体的测量进行了研究，在通过大量了解国内外机器视觉在测量方面应用的现状以及常用的研究方法前提下，本文主要对以下几个方面做了研究分析和实验验证：图像预处理、轮廓提取、测点识别和体尺计算。图像预处理部分主要是对去除噪声、图像剪切进行分析研究。首先利用中值滤波去除摄像机采集图像时带来的干扰，然后将背景板的四个顶点标定即得到四点坐标，在此基础上把图像剪切出来，可以有效地消除大量的干扰信息。轮廓提取部分主要是对边Sobel—Hough直线提取、包络线的提取以及曲线拟合进行分析研究，本文创新提出了辅助标识法。首先通过Sobel算法进行边缘检测，考虑到背景条为垂直方向，因此只选取其垂直方向的卷积算子Δyf，利用自适应阈值进行分割边缘信息，将得到的边缘图像采用Hough变换提取背景条直线，之后运用图像细化处理，通过列扫描得到羊体背部轮廓点。将得到的背部轮廓曲线通过贝塞尔曲线拟合成一条光滑的背部轮廓曲线。测点识别部分是基于大量的羊体样本分析的基础上得到测点的特征信息。其中，臀部测点是臀部曲率最大的点，根据D-P算法和海伦秦九韶公式得到它。在经过大量的样本分析之后，本文提出了一种可以自动选择羊体理想站姿关键帧的方法，并此基础上得到肩胛点；图像背景板标定的顶点作为羊体后蹄测点。体尺计算部分主要是分析图像坐标系、世界坐标系和物理坐标系之间的关系，然后确定空间分辨率，经过误差纠偏后计算出羊体体尺。通过实验对中值滤波、图像剪切、背景标识法进行轮廓提取、测点提取和体尺计算进行验证。经过对实验结果的研究分析得出以下结论：在自然光照条件下，通过图像剪切可以得到大部分羊体关键信息，同时消除了大量的噪声。利用背景标识法很好的消除了光照的影响，羊体背部轮廓能够完整得到；理想站姿选择准确；臀部测点和肩胛点能够准确得到，羊体体高和体长测量的误差均不超过5%。