由于機(jī)器視覺系統(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)過程中，人們將機(jī)器視覺系統(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)器視覺技術(shù)比較復(fù)雜，zui大的困難在于人的視覺機(jī)制尚不清楚。人可以用內(nèi)省法描述對某一問題的解題過程，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”，卻不可能用內(nèi)省法來描述自己的視覺過程。因此建立機(jī)器視覺系統(tǒng)是十分困難的任務(wù)?？梢灶A(yù)計(jì)的是，隨著機(jī)器視覺技術(shù)自身的成熟和發(fā)展，它將在現(xiàn)代和未來制造企業(yè)中得到越來越廣泛的應(yīng)用。現(xiàn)如今隨著科技的發(fā)展，并且人工成本的大大提高，工業(yè)生產(chǎn)中自動(dòng)化顯得尤為重要，這樣能夠大大降低企業(yè)的成本，以往那些靠人工作業(yè)的企業(yè)，已經(jīng)跟不上社會(huì)的發(fā)展了。機(jī)器視覺系統(tǒng)的出現(xiàn)來自繁瑣勞動(dòng)力的替代需求。機(jī)器視覺自動(dòng)化設(shè)備可以不知疲倦的進(jìn)行重復(fù)性的工作，且在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺難以滿足要求的場合，機(jī)器視覺可替代人工視覺。機(jī)器視覺較早應(yīng)用于工業(yè)制造領(lǐng)域。通過機(jī)器視覺的自動(dòng)識(shí)別功能，許多流水線上具有高度重復(fù)性的檢測都可以依靠機(jī)器視覺系統(tǒng)設(shè)備完成，大大提高了檢測效率和精度。機(jī)器視覺是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域。在國外，機(jī)器視覺的應(yīng)用普及主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，其中大概40%-50%都集中在半導(dǎo)體行業(yè)。諸如電路板印刷、電子封裝、SMT表面貼裝、電子電路焊接等，均需要使用機(jī)器視覺系統(tǒng)技術(shù)。機(jī)器視覺系統(tǒng)還在質(zhì)量檢測方面得到了廣泛的應(yīng)用，并且其產(chǎn)品在應(yīng)用中占據(jù)著舉足輕重的地位。但在中國，以上行業(yè)本身就屬于新興的領(lǐng)域。中國機(jī)器視覺市場起步較晚，行業(yè)集中度較高，部分經(jīng)銷商開始以代理為主轉(zhuǎn)向大力推廣自主品牌的產(chǎn)品，行業(yè)分布、渠道分銷與成熟的自動(dòng)化產(chǎn)品都有明顯差異。整個(gè)中國的機(jī)器視覺市場相較成熟的自動(dòng)化產(chǎn)品應(yīng)用水平偏低，市場遠(yuǎn)未飽和。伴隨著工業(yè)自動(dòng)化的發(fā)展，我國配套基礎(chǔ)建設(shè)的完善，技術(shù)、資金的積累，各行各業(yè)對采用圖像和機(jī)器視覺技術(shù)的工業(yè)自動(dòng)化、智能化需求開始廣泛出現(xiàn)，國內(nèi)有關(guān)大專院校、研究所和企業(yè)近幾年也在圖像和機(jī)器視覺技術(shù)領(lǐng)域進(jìn)行了積極思索和大膽的嘗試，逐步開始了工業(yè)現(xiàn)場的應(yīng)用。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(shí)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(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(shí)，表明用符號(hào)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(jì)算程序。70年代，機(jī)器視覺形成幾個(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視覺知識(shí)的表示；⑥視覺系統(tǒng)的知識(shí)庫等。