機器視覺系統由衆(zhong)多部件組成，其中包括相機(ji)、圖像采集卡、照(zhao)明單元、光學元件與(yu)镜头、處理器、软件及顯示設備等。簡單的機器視覺系統可以识(shi)別(bie)2D或3D条形碼，更复雜的系統可以確保檢測的元件满足特定的容差要(yao)求(qiu)、組裝(zhuang)正確、没有缺陷。
很多機器視覺系統配備(bei)了(le)采用不同類型圖像傳感器的相機。為(wei)了確定相機可获得的分(fen)辨率，重要(yao)的是理解这些傳感器(qi)可以分辨的每毫米線對数，而不是有效的像素點数。
例如，在一個(ge)典型的2588×1958像素、500萬像(xiang)素成像器(qi)中，大(da)小為1.4µm2的像(xiang)素可(ke)提供357lp/mm的分辨率；而一個640×480像素(su)的VGA成像器，其像素大小為5.7µm2，可(ke)實現88lp/mm的分辨率。對於具有相同尺寸的成像(xiang)器而(er)言，像素越小，每毫米中就可分辨更(geng)多的線對数。
選擇相機
通常，機器視覺系統中(zhong)使用的相(xiang)機，可以通過USB3.0、以太網、FireWire、Camera Link及CoaXPress等接口將相機(ji)中捕捉到(dao)的圖像傳輸到PC系統中(zhong)。
目前，集成(cheng)機器(qi)視覺照明、圖像捕捉及處理等功能的智能(neng)相(xiang)機，正在為阅讀(du)条形碼或檢測部件缺陷等自動(dong)化視覺任務提供經濟型解決方案。盡管智能(neng)相機的處理器性能或許足以(yi)满足这些任務的需求，但是更复雜或要求更高速度的任務則需要功能(neng)全面的(de)視覺檢測软件來配合視覺硬件。
照明元件
通過配備(bei)正確的機(ji)器視覺照明系統，能以高對比度(du)重复捕捉圖(tu)像特征。如(ru)果照明的配備不正確，機器(qi)視覺系統的成功性、可靠性(xing)、可重复性和易用性都處於较大的風险(xian)中。為了確保機器視覺系統配備正(zheng)確的(de)照明元件，工程師需要借助圖像(xiang)照明實驗室檢測不同的照(zhao)明選項。
LED照明正在開始替代目前(qian)常用於機器(qi)視覺系統中的荧光燈、光纖卤素燈及氙(xian)氣闪光燈光源(yuan)，因為LED照明具有更高的一致性、更长的使用寿命和更(geng)好的稳定性。LED照明可以提供(gong)各種各樣的色彩並能選通发光，这一特(te)性在高速機器視覺應用中(zhong)非常有用。
除了照(zhao)明類型(xing)，另一個決定圖像(xiang)成像的重要因素是光照到待測物體上的角(jiao)度。兩種最(zui)常用的為物體提(ti)供照明的方式是：暗場照明和亮場照明(ming)。
暗場照明(ming)从较低角度照明物體，在(zai)一個非常平滑的如镜(jing)面般的物體表面上，反射的光(guang)將超出相機的視野範围(wei)。物體的表面將呈現(xian)為黑色，而通過相機捕捉到的物體表(biao)面发光的部(bu)分，就對應着表面(mian)的缺(que)陷或劃痕。
亮場照明(ming)與暗場照(zhao)明相反，亮場(chang)照明是在成像物體的上方打光，因此物體反射的光將處(chu)於相機的視場範围内。亮場照明配置中，物體表面上任何不连續處反射的光(guang)均无法被相機接收而顯(xian)示黑色。因(yin)此，该技術被用於為漫发射的非(fei)反射性物體提供照明。
色彩效應
如果某個應用要求使用(yong)彩色相機，則需要白光照明待檢測的(de)元(yuan)件。如果(guo)需要區分待檢測元件的顏色，則白光需要在整個波(bo)长範围内產生平等光(guang)谱，以便分(fen)析圖片中的顏色。
通過黑白(bai)單色相機也可以(yi)识別圖像中的顏色，这種方法需要選擇(ze)合適的燈光照明圖像(xiang)。圖中上(shang)面一(yi)行圖片是人眼觀察到的圖像效果，而下面一行(xing)的圖像則顯(xian)示了單色相機呈現出的圖像效果。
圖像處理算法
当(dang)應用算(suan)法處理圖像時，請考虑開发人員和終端(duan)用(yong)戶的技能及具體的視覺系統任務要求。
易菲(fei)特提(ti)供了圖形化視覺檢測平臺（EMVP），使用戶通過簡單的培訓便(bian)可以(yi)从中拖取設計好的功能，根據自身需求實現定製化視覺算法。
算法類別
圖(tu)像處理算法可以(yi)分為不同的類別，用(yong)於满足不同的(de)應用需求。
通(tong)過圖像数據的预處(chu)理，可以(yi)提取出圖像的特性(xing)。圖像阈值是圖像分割算(suan)法中最簡單的(de)方法之一，该方(fang)法可用於从灰度圖像(xiang)中生成二進製圖像，从(cong)而讓物體能够从背景中分离(li)出來。
其(qi)他(ta)的運算符，如圖像滤镜可以(yi)令圖像銳化(hua)、降低圖像噪音；而直方圖均(jun)衡(heng)可以增強圖像的對比度。预處(chu)理同樣涉及(ji)圖像分割，以定位圖像(xiang)中具有相似屬性的物(wu)體或物體边界，如顏色(se)、亮度或材質等。
算法的應用
在衆(zhong)多視覺(jue)系統中，決定一(yi)個元件或元件(jian)的某個特性是否存在非常重要。尺寸(cun)、形状或顏色等屬性可以(yi)用於(yu)识別元件。對比分析、blob分析、模(mo)型匹配或几何搜索工具可(ke)以在圖像上识別元件。
為了(le)將一個元件从其他元件中區分出來(lai)，可以使(shi)用相對簡單的功能，如(ru)边缘檢測算子。如果(guo)需要精確地檢測出(chu)元件的位置，則需要執行几何搜(sou)索或blob分析。
為了高速檢測元件或web上的缺陷，需要用到(dao)對(dui)比分析或模型圖像匹配算子。如果需(xu)要將缺陷归類(lei)並檢測，blob分析或边(bian)缘分析可以測量缺陷參数，並(bing)將其與(yu)已知的正常參数進行比较。
在一些圖像檢測應(ying)用中，可以利用超過圖像標準像(xiang)素(su)分辨率的精度，測量圖像(xiang)中的線、點或(huo)边缘的(de)位置，获得子(zi)像素分辨率(lv)。这可以通(tong)過對比物體边缘像素的灰度級別與物體每個边上的像素灰度級別來實現。
