文章目录
1.1 什么是机器视觉1.2 机器视觉与计算机视觉的区别1.3 机器视觉的工作原理1.4 机器视觉的应用领域1.1 什么是机器视觉
机器视觉是一种使用计算机来模拟人类视觉，并使用软件算法对相机采集到的图像进行分析和理解，以进行自动识别和判断的过程。
1.2 机器视觉与计算机视觉的区别
计算机视觉关键是计算机，机器视觉关键是机器，两者侧重领域不同。计算机视觉比较侧重于对图像的分析，回答“是什么”的问题；而机器视觉则更关注图像的处理结果，目的是控制接下来的行为，回答“怎么做”的问题。
计算机视觉一般使用相机设备机器视觉更像是一套包括了硬件和软件的设备，它由照明系统、相机、采集卡和图像处理系统等模块组成，涉及光学成像、传感器、视频传输、机械控制、相机控制、图像处理等多种技术。每一个环节都会影响到最终的检测结果。本质上来说，二者都属于视觉技术，共用同一套理论系统。但计算机视觉更侧重于对理论算法的研究，如深度学习在计算机视觉领域已经有了许多前沿的算法，虽然理论研究虽然超前，但暂时没有完全用于实际工程中。而机器视觉是落地的技术，它更侧重于实际应用，强调算法的实时性、高效率和高精度。机器视觉还广泛的应用于机器人研究，是机器人的“眼睛”，能指引机器人的移动和操作行为。
因此，机器视觉和计算机视觉的发展方向和应用领域是各不相同的。
1.3 机器视觉的工作原理
视觉系统的组成
引用自：/yssongest/p/4524472.html
典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分。基于PC的视觉系统具体由如图所示的几部分组成：
①工业相机与工业镜头——这部分属于成像器件，通常的视觉系统都是由一套或者多套这样的成像系统组成，如果有多路相机，可能由图像卡切换来获取图像数据，也可能由同步控制同时获取多相机通道的数据。根据应用的需要相机可能是输出标准的单色视频（RS-170/CCIR）、复合信号（Y/C）、RGB信号，也可能是非标准的逐行扫描信号、线扫描信号、高分辨率信号等。
②光源——作为辅助成像器件，对成像质量的好坏往往能起到至关重要的作用，各种形状的LED灯、高频荧光灯、光纤卤素灯等都容易得到。
③传感器——通常以光纤开关、接近开关等的形式出现，用以判断被测对象的位置和状态，告知图像传感器进行正确的采集。
④图像采集卡——通常以插入卡的形式安装在PC中，图像采集卡的主要工作是把相机输出的图像输送给电脑主机。它将来自相机的模拟或数字信号转换成一定格式的图像数据流，同时它可以控制相机的一些参数，比如触发信号，曝光/积分时间，快门速度等。图像采集卡通常有不同的硬件结构以针对不同类型的相机，同时也有不同的总线形式，比如PCI、PCI64、Compact PCI，PC104，ISA等。
⑤PC平台——电脑是一个PC式视觉系统的核心，在这里完成图像数据的处理和绝大部分的控制逻辑，对于检测类型的应用，通常都需要较高频率的CPU，这样可以减少处理的时间。同时，为了减少工业现场电磁、振动、灰尘、温度等的干扰，必须选择工业级的电脑。
⑥视觉处理软件——机器视觉软件用来完成输入的图像数据的处理，然后通过一定的运算得出结果，这个输出的结果可能是PASS/FAIL信号、坐标位置、字符串等。常见的机器视觉软件以C/C++图像库，ActiveX控件，图形式编程环境等形式出现，可以是专用功能的（比如仅仅用于LCD检测，BGA检测，模版对准等），也可以是通用目的的（包括定位、测量、条码/字符识别、斑点检测等）。
⑦控制单元（包含I/O、运动控制、电平转化单元等）——一旦视觉软件完成图像分析（除非仅用于监控），紧接着需要和外部单元进行通信以完成对生产过程的控制。简单的控制可以直接利用部分图像采集卡自带的I/O，相对复杂的逻辑/运动控制则必须依靠附加可编程逻辑控制单元/运动控制卡来实现必要的动作。
一个完整的机器视觉系统的主要工作过程如下：
1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。
2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。
3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。
4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
5、另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。
6、摄像机曝光后，正式开始一帧图像的扫描和输出。
7、图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。
8、图像采集部分将数字图像存放在处理器或计算机的内存中。
9、处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。
10、处理结果控制流水线的动作、进行定位、纠正运动的误差等。
1.4 机器视觉的应用领域
智能制造的第一个环节正式机器视觉，国内机器视觉产品仍处于起步阶段，但发展迅速，传统制造业依赖人工进行产品质量检测的方式已不再适用。在以下领域使用较广：
(1)缺陷检测:产品表面的信息的正确性,有无破损划痕等检测。
(2)工业测量:主要检测产品的外观尺寸,实现非接触性测量。
(3)视觉定位:判断检测对象的位置坐标引导与控制机器的抓取等动作。
(4)模式识别:识别不同的目标和对象,如字符、二维码、颜色、形状等。
