由于機(jī)器視覺(jué)系統(tǒng)可以快速獲取大量信息，而且易于自動(dòng)處理，也易于同設(shè)計(jì)信息以及加工控制信息集成，因此，在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，人們將機(jī)器視覺(jué)系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。但是機(jī)器視覺(jué)技術(shù)比較復(fù)雜，zui大的困難在于人的視覺(jué)機(jī)制尚不清楚。人可以用內(nèi)省法描述對(duì)某一問(wèn)題的解題過(guò)程，從而用計(jì)算機(jī)加以模擬。但盡管每一個(gè)正常人都是“視覺(jué)”，卻不可能用內(nèi)省法來(lái)描述自己的視覺(jué)過(guò)程。因此建立機(jī)器視覺(jué)系統(tǒng)是十分困難的任務(wù)。可以預(yù)計(jì)的是，隨著機(jī)器視覺(jué)技術(shù)自身的成熟和發(fā)展，它將在現(xiàn)代和未來(lái)制造企業(yè)中得到越來(lái)越廣泛的應(yīng)用。在機(jī)器視覺(jué)系統(tǒng)中，獲得一張量的可處理的圖像是至關(guān)重要。系統(tǒng)之所以成功，首先要圖像質(zhì)量好，特征明顯。一個(gè)機(jī)器視覺(jué)項(xiàng)目之所以失敗，大部分情況是由于圖像質(zhì)量不好，特征不明顯引起的。要好的圖像，必須要選擇一個(gè)合適的光源。光源選型基本要素：對(duì)比度：對(duì)比度對(duì)機(jī)器視覺(jué)來(lái)說(shuō)非常重要。機(jī)器視覺(jué)應(yīng)用的照明的重要的任務(wù)就是使需要被觀(guān)察的特征與需要被忽略的圖像特征之間產(chǎn)生zui大的對(duì)比度，從而易于特征的區(qū)分。對(duì)比度定義為在特征與其周?chē)膮^(qū)域之間有足夠的灰度量區(qū)別。好的照明應(yīng)該能夠需要檢測(cè)的特征突出于其他背景。亮度：當(dāng)選擇兩種光源的時(shí)候，zui佳的選擇是選擇更亮的那個(gè)。當(dāng)光源不夠亮?xí)r，可能有三種不好的情況會(huì)出現(xiàn)。一，相機(jī)的信噪比不夠；由于光源的亮度不夠，圖像的對(duì)比度必然不夠，在圖像上出現(xiàn)噪聲的可能性也隨即增大。其次，光源的亮度不夠，必然要加大光圈，從而減小了景深。另外，當(dāng)光源的亮度不夠的時(shí)候，自然光等隨機(jī)光對(duì)系統(tǒng)的影響會(huì)zui大。魯棒性：另一個(gè)測(cè)試好光源的方法是看光源對(duì)部件的位置敏感度zui小。當(dāng)光源放置在攝像頭視野的不同區(qū)域或不同角度時(shí)，結(jié)果圖像應(yīng)該不會(huì)隨之變化。方向性很強(qiáng)的光源，增大了對(duì)高亮區(qū)域的鏡面反射發(fā)生的可能性，這不利于后面的特征提取。好的光源需要能夠使你需要尋找的特征非常明顯，除了是攝像頭能夠拍攝到部件外，好的光源應(yīng)該能夠產(chǎn)生zui大的對(duì)比度、亮度足夠且對(duì)部件的位置變化不敏感。光源選擇好了，剩下來(lái)的工作就容易多了。具體的光源選取方法還在于試驗(yàn)的實(shí)踐經(jīng)驗(yàn)。機(jī)器視覺(jué)的研究是從20世紀(jì)60年代中期美國(guó)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(kāi)始的。當(dāng)時(shí)運(yùn)用的預(yù)處理、邊緣檢測(cè)、輪廓線(xiàn)構(gòu)成、對(duì)象建模、匹配等技術(shù)，后來(lái)一直在機(jī)器視覺(jué)中應(yīng)用。羅伯茲在圖像分析過(guò)程中，采用了自底向上的方法。用邊緣檢測(cè)技術(shù)來(lái)確定輪廓線(xiàn)，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(chēng)為圖像分割。其目的在于用輪廓線(xiàn)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(chǔ)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(shí)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(shí)對(duì)對(duì)象進(jìn)行預(yù)測(cè)。這同言語(yǔ)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(shí)，表明用符號(hào)過(guò)程來(lái)解釋輪廓畫(huà)的方法不必求助于諸如zui小二乘法匹配之類(lèi)的數(shù)值計(jì)算程序。70年代，機(jī)器視覺(jué)形成幾個(gè)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(dòng)參量求值；⑤視覺(jué)知識(shí)的表示；⑥視覺(jué)系統(tǒng)的知識(shí)庫(kù)等。