1.一种基于机器视觉的丝网印刷样板尺寸测量方法，其特征在于，包括如下步骤：

步骤S1：采集待检测的丝网印刷样板图像；

步骤S2：在获取的丝网印刷样板图像中选取感兴趣区域(ROI)，创建待测目标的模板图像；

步骤S3：统计模板图像的灰度信息，根据统计得到的灰度信息使用金字塔算法以及归一化互相关函数在丝网印刷样板上进行匹配，得到与所创建的模板图像相同的所有待检测目标的位置；

步骤S4：统计模板图像的梯度信息，根据统计得到的梯度信息采用统计分析的方法找到适合被测目标边缘点定位的梯度阈值；

步骤S5：将统计分析得到的定位边缘点的梯度阈值应用到所有待测目标上，定位边缘像素点；

步骤S6：根据定位的边缘点，使用随机抽样一致性算法将定位的边缘点进行拟合，得到有效、精准的边缘线位置；

步骤S7：根据得到的边缘线在丝网印刷样板图像中建立被测目标的局部测量坐标系，进行测量并输出测量结果。

2.根据权利要求1所述的丝网印刷样板尺寸测量方法，其特征在于，步骤S2具体包括：

采用可旋转、缩放的ROI矩形框选定待测目标，并利用ROI的质心坐标和旋转角度调整模板与图像坐标系方向一致，创建生成待测目标的模板，并且模板创建在首次测量某型丝网印刷样板时进行，创建的模板保存至模板类别数据库，提高测量系统的效率与准确度。

3.根据权利要求1所述的丝网印刷样板尺寸测量方法，其特征在于，步骤S3具体包括：

首先对图像进行高斯金字塔滤波，高斯金字塔是由原图像经过连续高斯滤波和二次采样生成的一系列不同分辨率的图像组成，由于复杂度和模板中像素点的数量有关，图像金字塔经过低通滤波，对图像进行缩小比例的抽样，得到分辨率和尺寸不同的图像，分辨率最高的图像在金字塔底部，向上是分辨率逐渐变低的图像，通过金字塔算法将图像的分辨率降低，在低分辨即像素点相对较少的图像上进行匹配，从而降低匹配的复杂度，提高匹配的效率；

然后采用归一化互相关函数匹配算法在经过高斯金字塔处理以后的图像上进行图像匹配，通过利用两个图像灰度值的相关函数，采用相似性算法计算出模板图像与待检测丝网印刷样板图像的对应关系，从而判断图像的匹配程度，找到匹配的位置，其中互相关函数的定义如下：其中，T为模板图像；(i,j)为像素在模板T中的坐标；丝网印刷样板待匹配图像I的像素大小为M×N；模板图像T的像素大小为m×n，从图像I中任意选取一块像素大小为m×n的子图Ix,y，Ix,y的左上角像素点在图像I中的坐标为(x,y)，可知坐标范围为0≤x≤M-m，0≤y≤N-n；

将其再进行归一化，则公式转换如下：

其中，T为模板图像；(i,j)为像素在模板T中的坐标；丝网印刷样板待匹配图像I的像素大小为M×N；模板图像T的像素大小为m×n，从图像I中任意选取一块像素大小为m×n的子图Ix,y，Ix,y的左上角像素点在图像I中的坐标为(x,y)，可知坐标范围为0≤x≤M-m，0≤y≤N-n； 为子图Ix,y的像素平均值，为模板T的像素平均值；由以上计算结果可知，NC(x,y)值越大，则表示检测图像位置的匹配度越高，与模板图像越接近，从而得到待测目标的位置。

4.根据权利要求1所述的丝网印刷样板尺寸测量方法，其特征在于，步骤S4中采用基于模板信息统计确定梯度阈值参数定位边缘点的方法对传统的边缘点定位进行改进，具体包括：(a)对模板图像从上至下每隔10个像素进行采样，在采样点自左至右划取扫描线，统计每条扫描线上的所有梯度值，即(b)分析每一条扫描线上的梯度值，并求取每条扫描线上的梯度最大值f，即(c)统计所有采样扫描线上的梯度最大值{f1,f2,f3,…fn},n≥1，在实际采样时，最开始以及结束时的扫描线可能并没有扫描到物体边缘上，因此需要根据实际情况剔除该部分的异常数据；

(d)根据采样情况剔除不合理部分的梯度值以后，选取合理部分的梯度最小值作为边缘检测的梯度阈值来定位边缘像素点，确保没有伪边缘信息出现，也确保不会缺失真实的边缘信息，从而得到边缘点的准确位置。

5.根据权利要求1所述的丝网印刷样板尺寸测量方法，其特征在于，步骤S7中采用由粗到细的测量策略，在测量阶段，利用基于图像金字塔和归一化互相关函数相结合的分层匹配算法实现多个待测目标的粗糙定位，再使用由模板信息统计获取的阈值参数进行边缘精细定位，建立局部坐标系，完成测量。