機(jī)器視覺系統(tǒng)有個很書面的定義，就是使用機(jī)器代替人眼來作各種測量和判斷的一個系統(tǒng)。機(jī)器視覺檢測系統(tǒng)通常是選用CCD工業(yè)相機(jī)將被檢查的對象轉(zhuǎn)換成圖畫信號，然后傳送給專用的圖像處理體系，后輸出我們需要分析的圖像數(shù)據(jù)的一個工業(yè)化的系統(tǒng)。機(jī)器視覺系統(tǒng)可以依據(jù)像素散布和亮度、色彩等圖像信息，將圖像信號轉(zhuǎn)變成數(shù)字化信號，這種圖像處理系統(tǒng)通過對這些機(jī)器視覺信號進(jìn)行各種運(yùn)算來提取檢測對象的特征，如常見的面積、數(shù)量、位置、長度等數(shù)據(jù)信息。再依據(jù)預(yù)設(shè)的回應(yīng)度和敏感度以及其它條件輸出對應(yīng)的檢測結(jié)果，這些輸出數(shù)據(jù)通常包括長度、視點(diǎn)、個數(shù)、合格/不合格、有/無等這些基本參數(shù)，可以代替人工的完成主動辨認(rèn)和是別的功能。從功用上講，機(jī)器視覺系統(tǒng)基本的有四大類功用：其一是尺寸的測量、其二是缺點(diǎn)檢查、還有就是模式的辨認(rèn)、后一個非常重要的應(yīng)用就是視覺定位。機(jī)器視覺行業(yè)的人士都知道，機(jī)器視覺檢測系統(tǒng)一般是通過CCD照相機(jī)將被監(jiān)測的對象轉(zhuǎn)換成圖，傳送給機(jī)器視覺是同種的圖像處理系統(tǒng)實(shí)現(xiàn)的，在這個過程中，機(jī)器視覺系統(tǒng)地圖像處理系統(tǒng)，會依據(jù)像素的分布和各個不同成像區(qū)域的亮度、顏色等不同的信息，將圖像信號再次轉(zhuǎn)化為數(shù)字化的信號。這些信號所反映出來的監(jiān)測項目的特征，將作為輸出結(jié)果，為電腦或者人工判斷提供參考依據(jù)，進(jìn)而達(dá)到自動化、提率的目標(biāo)。機(jī)器視覺系統(tǒng)實(shí)現(xiàn)這些工作原理，需要有幾個典型結(jié)構(gòu)的支持：首先就是照明系統(tǒng)，與機(jī)器視覺相關(guān)的照明系統(tǒng)，又被稱為機(jī)器視覺光源?？梢赃@么說，照明是影響機(jī)器視覺系統(tǒng)輸入和判斷的重要的因素之一，因為它直接影響機(jī)器視覺系統(tǒng)輸入數(shù)據(jù)的質(zhì)量和分析依據(jù)，還有就是這個系統(tǒng)的實(shí)際應(yīng)用效果。通常情況下，按照目前機(jī)器視覺光源行業(yè)的狀況，是沒有通用的機(jī)器視覺照明設(shè)備的，所以針對任何一個新開發(fā)的機(jī)器視覺系統(tǒng)，需要開發(fā)對應(yīng)的機(jī)器視覺光源，找到適用的照明設(shè)備和系統(tǒng)。其次就是鏡頭了，鏡頭也在很大程度上決定了成像的效果，而選擇好的鏡頭，就需要關(guān)注體現(xiàn)鏡頭配置的幾個關(guān)鍵因素：如焦距、目標(biāo)高度、影像高度、放大倍數(shù)、影像至目標(biāo)的距離、中心點(diǎn)、節(jié)點(diǎn)、畸變等，這些都決定著鏡頭的質(zhì)量，也關(guān)系到機(jī)器視覺系統(tǒng)的判讀水平。故而，選用工業(yè)鏡頭時必須考慮視野、工作距離，CCD(攝像機(jī)成像傳感器裝置的尺寸)等因素。另外，就是一些圖像采集和機(jī)器選型方面的結(jié)構(gòu)了。這些典型的結(jié)構(gòu)決定了機(jī)器視覺系統(tǒng)的整體功能特性。由此可見，機(jī)器視覺領(lǐng)域，重要典型的結(jié)構(gòu)就是機(jī)器視覺光源和工業(yè)鏡頭了，選擇的機(jī)器視覺系統(tǒng)，必須先選擇相應(yīng)的機(jī)器視覺光源與之搭配，同時配置好的圖像處理系統(tǒng)，也就是的工業(yè)相機(jī)和工業(yè)機(jī)關(guān)念頭。機(jī)器視覺的研究是從20世紀(jì)60年代中期美國學(xué)者L.R.羅伯茲關(guān)于理解多面體組成的積木世界研究開始的。當(dāng)時運(yùn)用的預(yù)處理、邊緣檢測、輪廓線構(gòu)成、對象建模、匹配等技術(shù)，后來一直在機(jī)器視覺中應(yīng)用。羅伯茲在圖像分析過程中，采用了自底向上的方法。用邊緣檢測技術(shù)來確定輪廓線，用區(qū)域分析技術(shù)將圖像劃分為由灰度相近的像素組成的區(qū)域，這些技術(shù)統(tǒng)稱為圖像分割。其目的在于用輪廓線和區(qū)域?qū)λ治龅膱D像進(jìn)行描述，以便同機(jī)內(nèi)存儲的模型進(jìn)行比較匹配。實(shí)踐表明，只用自底向上的分析太困難，必須同時采用自頂向下，即把目標(biāo)分為若干子目標(biāo)的分析方法，運(yùn)用啟發(fā)式知識對對象進(jìn)行預(yù)測。這同言語理解中采用的自底向上和自頂向下相結(jié)合的方法是一致的。在圖像理解研究中，A.古茲曼提出運(yùn)用啟發(fā)式知識，表明用符號過程來解釋輪廓畫的方法不必求助于諸如zui小二乘法匹配之類的數(shù)值計算程序。70年代，機(jī)器視覺形成幾個重要研究分支：①目標(biāo)制導(dǎo)的圖像處理；②圖像處理和分析的并行算法；③從二維圖像提取三維信息；④序列圖像分析和運(yùn)動參量求值；⑤視覺知識的表示；⑥視覺系統(tǒng)的知識庫等。