常说眼睛是人类心灵的窗户，如果给机器装一双眼睛，赋予它感知能力，使得它看懂世界，又是什么样子的呢？

机器视觉系统

机器视觉系统是指利用机器替代人眼做出各种测量和判断。

机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科，其功能以及应用范围随着工业自动化的发展逐渐完善和推广，其中母子图像传感器、CMOS和CCD摄像机、DSP、ARM嵌入式技术、图像处理和模式识别等技术的快速发展，有力地推动了机器视觉的发展。

机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。

在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。

机器视觉系统的构成和工作过程

一个完整的机器视觉系统包括：照明光源、光学镜头、 CCD 摄相机、图像采集卡、图像检测软件、监视器、通讯单元等。

工业机器视觉系统的工作过程主要如下：

1、当传感器探测到被捡测物体接近运动至摄像机的拍摄中心，将触发脉冲发送给图像采集卡；

2、图像采集卡根据已设定的程序和延时，将启动脉冲分别发送给照明系统和摄像机；

3、一个启动脉冲送给摄像机，摄像机结束当前的拍照，重新开始一副新的拍照，或者在启动脉冲到来前摄像机处于等待状态，检测到启动脉冲后启动，在开始新的一副拍照前摄像机打开曝光构件（曝光时间事先设定好）；另一个启动脉冲送给光源，光源的打开时间需要与摄像机的曝光时间匹配；摄像机扫描和输出一副图像；

4、图像采集卡接收信号并通过A/D转换将模拟信号数字化，或者是直接接收摄像机数字化后的数字视频数据；

5、图像采集卡将数字图像存储在计算机的内存中；

6、计算机对图像进行处理、分析和识别，获得检测结果；

7、处理结果控制流水线的动作、进行定位、纠正运动的误差等。

（机器视觉系统的工作过程）

机器视觉相关技术

1、图像采集技术——机器视觉的基础

图像采集部分一般由光源、镜头、数字摄像机和图像采集卡构成。采集过程可简单描述为在光源提供照明的条件下，数字摄像机拍摄目标物体并将其转化为图像信号，最后通过图像采集卡传输给图像处理部分。在设计图像采集部分时，要考虑到多方面的问题，主要是关于数字摄像机、图像采集卡和光源方面的问题。

（1）光源照明

照明是影响机器视觉系统输入的重要因素，其直接影响输入数据的质量和应用效果。到目前为止，还未有哪种机器视觉照明设备能通用各种应用，因此在实际应用中，需针对应用选择相应的照明设备以满足特定需求。

照明系统按其照射方法可分为:背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是指将被测物放在光源和摄像机之间，以提高图像的对比度。前向照明是光源和摄像机位于被测物的同侧，其优点是便于安装。结构光照明是将光栅或线光源等投射到被测物上，并根据其产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同。

（2）光学摄像头

光学摄像头的任务就是进行光学成像，一般在测量领域都又专门的用于测量的摄像镜头，因为其对成像质量有着关键性的作用。摄像头需要注意的一个问题是畸变。这个就需要使用相应的畸变校正方法，目前也开发出了很多自动畸变自动校正系统。

（3）CCD 摄像机及图像采集卡

CCD( Charge Coupled Device) 摄像机及图像采集卡共同完成对目标图像的采集与数字化。目前 CCD，CMOS等固体器件的应用技术，线阵图型敏感器件，像元尺寸不断减小，阵列像元数量不断增加，像元电荷传输速率也得到大幅提高。在基于PC机的机器视觉系统中，图像采集卡是控制摄像机拍照来完成图像的采集与数字化，并协调整个系统的重要设备。

图像采集卡直接决定了摄像头的接口为：黑白、彩色、模拟、数字等形式。

2、图像处理与分析——机器视觉的核心

用于机器视觉的图像处理与分析方法的核心是，解决目标的检测识别问题。当所需要识别的目标比较复杂时，就需要通过几个环节，从不同的侧面综合来实现。

对目标进行识别提取的时候，首先是要考虑如何自动地将目标物从背景中分离出来。目标物提取的复杂性一般就在于目标物与非目标物的特征差异不是很大，在确定了目标提取方案后，就需要对目标特征进行增强。

随着计算机技术、微电子技术以及大规模集成电路的发展，图像信息处理工作越来越多地借助硬件完成，如 DSP 芯片、专用的图像信号处理卡等。软件部分主要用来完成算法中并不成熟又较复杂或需不断完善改进的部分。这一方面提高了系统的实时性，同时又降低了系统的复杂度。

机器视觉技术遇到的问题

对于人类来说，识别和理解周围场景是一件非常容易的事，但对于机器人来说，却是一件很困难的事。主要困难有一下几个方面：

（1）稳定性问题

现实中的环境因素是多变的，场景中的诸多因素，包括照明、物体形状、表面颜色、摄像机以及空间关系变化都会对生成的图像有影响。比如用于智能交通检测的设备，如何保证其在恶劣天气下依旧保持较高的稳定性就是一个很难解决的问题。

（2）构造出性能良好的识别算法

图像处理与分析技术是机器视觉的核心，所以构造出一个良好的、适应相关领域应用的识别算法显得尤为重要。而且现在的应用领域越来越要求检测设备具有准确、高速地识别出目标的能力，如果我们不能构造出一个更好的识别算法，就不能适应不断增长的需求。

（3）数据量大

机器视觉所获取的数据量非常非常大的。比如用于手机上的人脸识别功能，识别一次要投射多大几万个红外线点，这是一个庞大的数据。再比如交通检测方面看，一天累积下来的数据量也是惊人的。所以如何处理如此大的信息量是个难题。不过随着硬件技术的发展，这个问题将来会逐步得到解决。

机器视觉的诞生和应用，大幅解放了人类劳动力，同时提高了生产自动化水平，装备的使用效率、可靠性及稳定性等。随着新技术、新理论在机器视觉系统中的应用，机器视觉将在国民经济的各领域申发挥更大作用，其应用前景广阔，并为社会的发展带来了新的技术革命。