機器視覺系統由許多部件組成，其間包(bao)含相機、圖画采集卡、照(zhao)明單元、光學(xue)元件(jian)與镜头、處理器、软件及顯(xian)現設備等(deng)。簡略的機器視覺系統能(neng)够辨(bian)認2D或3D条形碼，更雜乱的體系能够保證檢測的元件(jian)满意特定的容差(cha)要求、拼(pin)裝正確、没有缺點(dian)。
許多機器視覺系統裝備(bei)了(le)選用不同類型圖画傳感器的相機（如(ru)表1所(suo)示）。為了断定相機可取得(de)的分辯(bian)率，重要的是了解(jie)这些傳感(gan)器能够分辯的每毫米線對数(lp/mm) ，而不是有用的像素(su)點数。
例如，在一個典型的2588×1958像素、500萬像素(su)成像(xiang)器中，巨細為1.4µm2的像素可供給357lp/mm的分辯率；而一個640×480像素的VGA成像器，其像素巨細為5.7µm2，可完結88lp/mm的(de)分辯率。關於具有相同(tong)尺度的成像器(qi)而言，像素越小，每毫(hao)米中就可分辯更多的線對数。
假如一個特別的(de)圖画傳(chuan)感器包含3µm2的像素，那麼依(yi)據尼奎斯特采樣規律，理论上圖画中(zhong)能够被(bei)分辯的最小特性尺度為6µm。可是(shi)實践運用中，並不能到(dao)達这一最小尺(chi)度值，由於每個镜头都會发生(sheng)必(bi)定程度的像差。
灰度圖画一般會按每像素8比特存储，然后供給256個不同的灰度渐變。圖画中的黑色特(te)性對應更低(di)数值；更亮的像素對應更高数值。这種辦法很快捷(jie)，由於(yu)單一字(zi)節對應着單一像素。
挑選相機
一般(ban)，機器視覺系統中運(yun)用的相機，能够(gou)經(jing)過USB3.0、以太網、FireWire、Camera Link及CoaXPress等接口將相機(ji)中捕捉到的(de)圖画傳輸到PC體系中。
現在，集成機(ji)器視覺照(zhao)明、圖画捕捉及處理等功用的智能(neng)相(xiang)機，正在為阅覽条形碼或檢測(ce)部件是否存在等自動化視覺使命供(gong)給經濟型解決方案。虽然智能相機的處理器性能或許足以满意(yi)这些使命(ming)的需求，可是更雜乱(luan)或要求更高速度的使命則需求额定的處理才(cai)干。
除了性能外，體系集(ji)成(cheng)商還要決議選用何種支撐软件以及相機怎麼衔接到外部設備。虽然許多檢測部件是否存在的運用中都選(xuan)用了(le)智能相機，可是一些其(qi)他運用可能需求將相(xiang)機衔接到顯現設備，用以顯現捕(bu)获到的圖(tu)画和圖画剖析的成果。
許多智能相機的處理器運轉(zhuan)專用的操作體系；也有一些智(zhi)能相機運轉Linux或Unix等商業操作體系。当然，这些相機能够運(yun)轉任何可(ke)在PC上運轉的软件包。
照明元件
經過裝備正確的機器視覺照明體系，能(neng)以高比照度重复捕(bu)捉圖画特征。假如照明(ming)的裝備不(bu)正確，機器視(shi)覺系(xi)統的成功性、可靠性、可重复(fu)性和易用性都處於较(jiao)大的危险中。為了保證機器視覺系統裝備(bei)正確的照明元件，設計師需求咨詢照明製造商，或凭(ping)借圖画照明實(shi)驗室檢測不同的照明選項。
LED照明正在開端代替現在常用於機器視覺系統中(zhong)的荧光燈、光纖卤(lu)素燈及氙氣(qi)闪光燈火源，由於LED照明(ming)具有更高的一致性(xing)、更长的運(yun)用寿命和更好的稳(wen)定性。LED照明能够供給各(ge)式各樣的(de)色彩並能選通发光，这一(yi)特性在高速機器(qi)視覺運用中十分有用。
除了照明類型(xing)，另一個決議圖画成像的重要要素是光照到待測物(wu)體上的視點(dian)。兩種最常用的為物體供給照(zhao)明的辦法是(shi)：暗場(chang)照明和亮(liang)場照明
Darkfield——暗場
Brightfield——亮場
Field of view——視場
暗場照明(ming)从较低(di)視點照明物體，在一個(ge)十分滑润的如镜面般的物體外表上，反射的光將超出相(xiang)機的視界(jie)規劃。物體的(de)外(wai)表將呈現為黑色，而經過(guo)相機捕捉到(dao)的物體外表发光的部分，就對應着外表的缺點或(huo)劃痕(hen)。
亮場照明與暗場照明相反，亮場照明是在成像物體(ti)的上方打(da)光，因而物體反射的光將處於相機的(de)視場規劃(hua)内。亮(liang)場照明裝備中，物體外表上任何不接连處反射的光均无法(fa)被相機(ji)接納而顯現黑色。因而，该技能(neng)被用於為(wei)漫发射的非反射性物體供給照明。
色彩效應
假如某個運用(yong)要求運用五顏六(liu)色相機，則需求白光(guang)照明待檢測的元件(jian)。假如需求區別(bie)待檢測元件的色彩(cai)，則白光需求在(zai)整個波长規劃内发生(sheng)平等光谱（equal spectrum），以便剖析圖片中的色彩。
經過是非單色相機也能够(gou)辨認圖画中的(de)色彩，这種辦法需求(qiu)挑選適(shi)宜的燈火照明圖画（如(ru)圖2 所示）。圖2中上面(mian)一行圖片是人眼觀察到的(de)圖画作用，而下面一行的圖画則顯現了單色(se)相機呈現出的圖画作用。
As seen by the human eye：人眼看到的色彩
As seen by a B&W vision system：是非視覺體系呈現出的色彩
Red：紅
White：白
Green：綠
為了照亮(liang)圖(tu)画，運用了三種不同色(se)彩的光(guang)：600nm紅光（左边）、白光（中心）和520nm綠光（右侧）。為了使该圖画呈現出最佳(jia)的比照度(du)，最好的辦法是(shi)運用(yong)綠色光，由於(yu)綠色是赤色的互补色。这種比照能够被單色相機轻松地辨認(ren)出(chu)來。假如為了滤掉(diao)赤色，則最好選用赤色光照亮物體。假如圖片本(ben)身是(shi)五顏六色的，而且不需(xu)求辨認其間的任何一種色(se)彩，那(na)麼白光照明則是更(geng)適宜的挑選。
圖画處理算法
当運用(yong)算法處理圖画時，請考虑開(kai)发人員和終端用戶的技能及(ji)详細的視覺體系使命要求。
許多PC和智能相機供货(huo)商供給了功用大體相似(shi)的圖画處理软件包。許多商業软件包供給了圖形化集成開发環(huan)境（IDE），使體系(xi)集成商能够从程序库中拖取設(she)計好的功用，依據(ju)本(ben)身需求完結定製化視覺算法。
大都商業软件包要求為(wei)每個部署的視(shi)覺體系付出版權費，可是經過運用開(kai)源成像代碼如(ru)OpenCV或直接用C++、C、C#或.NET编(bian)寫運用程序，能够(gou)省去这一成本。
可是，由於OpenCV是一個(ge)開源環(huan)境，没(mei)有製造商為(wei)其供給擔保或支撐。相比之下，商業软件用(yong)戶的圖(tu)画處理东西包將會得到開发商的支撐。
在(zai)挑選软(ruan)件前，體系集成商需求細心評价本身的才干。虽然挑選一(yi)個單一(yi)的根據PC的商業機器視(shi)覺软件包，需(xu)求付出(chu)800~2500美元的版權費用，可是開发人員運用C言(yan)语(yu)从头開端编程，也會很簡略耗費掉很多時刻和工程资(zi)源。
此外(wai)，體系(xi)集成商還要認识(shi)到，一般一個開发環境並(bing)不能適用於一切的機器視覺系統。技(ji)能和經濟壓力意味着要依據不同的運(yun)用需求，選用不(bu)同的辦法進行软件開发。
在開端断定哪種算法適用於履行某個(ge)特定的視覺使命(ming)后（如(ru)圖3所(suo)示），需求(qiu)的體系(xi)数量、每個體系的成本和软件開发者的技能，將決議挑選(xuan)什麼樣的编程環境。例(li)如(ru)，用C或C++等高檔言语(yu)编寫圖画處理代碼等相對更雜乱更长的使(shi)命，是工程師開发很多體系(xi)時的一個更佳(jia)挑選（如(ru)圖4所示）。
• Drag and drop——拖放东西
• Script programming and web interfacing——脚本编程及網頁接口
• PC development tools such as MS Visual Studio——計算機(ji)開发东西(xi)，如微软的Visual Studio
• C/C++ dode development——C/C++代碼開发
• Ease of development——開发簡易性
算法類別
圖(tu)画處理(li)算法能够分為不同的類別，用(yong)於满意不同的運用需求。
經過圖(tu)画数據的预處理，能够提取(qu)出(chu)圖画的特性。圖画阈值是圖画(hua)切割算法(fa)中最簡略的辦法之一，该辦(ban)法可用於从灰度圖画中生成二進製(zhi)圖画，然后讓物體能够从布景(jing)中分(fen)离出來。
其他的運算符，如(ru)圖画滤镜能够令圖(tu)画銳化、降低圖画(hua)噪音；而直方圖均衡能(neng)够增強(qiang)圖画的比照度。预處理(li)同樣触及圖画切割(ge)，以定位圖画中具有相似(shi)特點的物體或物體(ti)边界，如色彩、亮度或原料等。
更雜(za)乱的算法能够完結(jie)特征提取、檢測物體边(bian)际或物體轉角，完(wan)結對圖画(hua)中物體的丈量。连通性东(dong)西，如blob剖析算法，則能够丈(zhang)量圖片(pian)内涣散物體的有某種一起聯系的特性參数。
關聯(lian)性與几許(xu)查找是別的兩個強壯的查找算法，其可用於找到物體(ti)的某種特性，或在新的圖画中查找(zhao)同(tong)樣的特性，可供(gong)給相應的方位、某些(xie)情况下的尺度和規劃(hua)、以及新圖画是怎麼完結歪斜或變换(huan)的等信息。
最終(zhong)要提及的是能够完結分類及圖画破译的算法(fa)。其間，最簡略的(de)是能够完結簡略模板匹配操作的(de)算法，而更雜(za)乱的分類算法可能(neng)用到神經網絡及SVM等更雜乱的技能。
算法的運用
在許多視覺體系中，決議一個元(yuan)件或元件的某個特性是否存在十分(fen)重要。尺度、形状或色彩等特點能够(gou)用於辨認元件(jian)。比照剖(pou)析、blob剖析、模型匹配或几許查找东西能够(gou)在圖画上辨認元件(jian)。
為了將一個元件从(cong)其他元件中區別(bie)出來，能够運用相對簡略的(de)功用(yong)，如边(bian)际檢測算子。假如需求準(zhun)確地檢(jian)測出元件的方位，則需求履行几(ji)許查找(zhao)或blob剖析。
為了高速檢測元件或web上的缺點，需求(qiu)用到比照剖析或模型圖画匹配(pei)算子。假如需求將(jiang)缺點归類並檢測，blob剖析或边(bian)际剖析能够丈量缺點參数，並將其與已知的正常參数(shu)進行比较。
在一些(xie)圖(tu)画處理運用中，能够運用超過圖画規範像素(su)分辯(bian)率的精度，丈量圖画(hua)中的線(xian)、點或边际(ji)的方位，取(qu)得子像素分辯率。这能够經過比照物體边际像素的灰度等級與物體每個边上的像素灰(hui)度等(deng)級來完結。
在特別的(de)比如中，能够運用(yong)極坐標抽取技能辨認圆形物體的圖(tu)画，这種辦法更易於完結。如(ru)圖5中心部分所示，blob剖析被用於顯(xian)現藍色物體的(de)參数細節。運(yun)用此類算子，能够更簡略地檢測尺度、边(bian)界框及物體的(de)中心。
經(jing)過剖析圖片(pian)中的灰度值，边际檢測算法能(neng)够檢測(ce)物體边际、方位、形(xing)態或(huo)許視點。左下方(fang)的直方圖顯現了某個特別圖(tu)画的灰度像素值，该值將被進一步剖析，以強化圖画中取得的某些特性。
中心(xin)的圖画有(you)兩組光學特性需求檢測，上面的(de)特性被細微削弱。在这個示例中，經過驗證能够了解特(te)性的(de)衰减辦法。此外(wai)，光(guang)學特性辨認（OCR）软件能够用(yong)於讀(du)取衰减特性。
查找算法从圖画中锁定一個(ge)方(fang)针方针，並存(cun)储(chu)為模板或几許模型，之后在(zai)其(qi)他圖画中尋觅相似的方针圖画，这就是一個能够(gou)辨認特定特性的準確东(dong)西。
在着手研製任何機器視覺檢測體系前(qian)，需求細(xi)心評价是公司内(nei)部開发仍是將其外包。在策劃阶段有時會发現(xian)，機器視覺系統可能並非必(bi)要的，或許(xu)並(bing)不可行。
假如断定機器視覺系統可行，則详細檢測進程的一切特(te)性都(dou)需細心記载。需求(qiu)對元件待檢測的物理(li)及几許特點，包含色彩(cai)、外(wai)表抛光及反射特點等進(jin)行归類。開端，必需求界說特征用以區(qu)別待檢測的(de)元件是好是坏。只要了(le)解元件(jian)或裝配件的特點，體系(xi)集成商才干断定哪個圖画解決方(fang)案是最理想的。
整個出產進(jin)程都需求進行剖析，使(shi)體(ti)系集成商了解元件是怎麼被出產的、以及在檢測進程中发生了什麼變化。凭借剖析，乃至還能够断定是否應该在出產流程(cheng)的初(chu)級阶段就選用視覺檢測。
当策劃阶段完結后(hou)，機器視覺組件，包含相(xiang)機、软件、照明(ming)元件、光學元(yuan)件及镜头等都要断定下(xia)來。这一阶段(duan)將断定在出產環境(jing)中，是否(fou)有满足的(de)分辯率或充沛的照明及光學条件，以保證发生所(suo)需求的(de)成果。这些(xie)要素最好在编寫體系說明時完結，而不(bu)要(yao)等到完結體系時再考虑。
在體系清晰阶段，應该供給(gei)一份陈(chen)述，详(xiang)細列出運用的硬件及(ji)软件、體系必需求運轉的檢測(ce)功用(yong)、需求满意的容差及體系的吞吐量等。此外(wai)，该(gai)阶段(duan)還要考虑體系怎麼與出產廠房中可能存在的其他自動化體系衔接，这些都要(yao)記载下來。
在決議是自行研製(zhi)、仍(reng)是與外部體系供货商合作開发時，還需求(qiu)考虑几個要害的事(shi)務問題。从項目一開端，體系集成商(shang)就要断定公司内部是否具有支撐項目所(suo)需求的技能實力。
假如公(gong)司内部具有这樣的技能(neng)實力，管理層(ceng)還要断定详細负責该作業的個人是否有满足的時刻和资源支撐这一(yi)項目、是否會遇到(dao)意想不到的應战？怎麼應對？等等。此外(wai)，怎麼保護、支撐、效劳及升級该體系也是需求考量的(de)重要要素。
