機(jī)器視覺(jué)系統(tǒng)由眾多部件組成，其中包括相機(jī)、圖像采集卡、照明單元、光學(xué)元件與鏡頭、處理器、軟件及顯示設(shè)備等。簡(jiǎn)單的機(jī)器視覺(jué)系統(tǒng)可以識(shí)別2D或3D條形碼，更復(fù)雜的系統(tǒng)可以確保檢測(cè)的元件滿足特定的容差要求、組裝正確、沒(méi)有缺陷。
很多機(jī)器視覺(jué)系統(tǒng)配備了采用不同類(lèi)型圖像傳感器的相機(jī)（如表1所示）。為了確定相機(jī)可獲得的分辨率，重要的是理解這些傳感器可以分辨的每毫米線對(duì)數(shù)(lp/mm) ，而不是有效的像素點(diǎn)數(shù)。
例如，在一個(gè)典型的2588×1958像素、500萬(wàn)像素成像器中，大小為1.4μm2的像素可提供357lp/mm的分辨率；而一個(gè)640×480像素的VGA成像器，其像素大小為5.7μm2，可實(shí)現(xiàn)88lp/mm的分辨率。對(duì)于具有相同尺寸的成像器而言，像素越小，每毫米中就可分辨更多的線對(duì)數(shù)。
如果一個(gè)特殊的圖像傳感器包含3μm2的像素，那么根據(jù)尼奎斯特采樣定律，理論上圖像中可以被分辨的最小特性尺寸為6μm。然而實(shí)際應(yīng)用中，并不能達(dá)到這一最小尺寸值，因?yàn)槊總€(gè)鏡頭都會(huì)產(chǎn)生一定程度的像差。
灰度圖像通常會(huì)按每像素8比特存儲(chǔ)，從而提供256個(gè)不同的灰度漸變。圖像中的黑色特性對(duì)應(yīng)更低數(shù)值；更亮的像素對(duì)應(yīng)更高數(shù)值。這種方法很便捷，因?yàn)閱我蛔止?jié)對(duì)應(yīng)著單一像素。
選擇相機(jī)
通常，機(jī)器視覺(jué)系統(tǒng)中使用的相機(jī)，可以通過(guò)USB3.0、以太網(wǎng)、FireWire、Camera Link及CoaXPress等接口將相機(jī)中捕捉到的圖像傳輸?shù)絇C系統(tǒng)中。
目前，集成機(jī)器視覺(jué)照明、圖像捕捉及處理等功能的智能相機(jī)，正在為閱讀條形碼或檢測(cè)部件是否存在等自動(dòng)化視覺(jué)任務(wù)提供經(jīng)濟(jì)型解決方案。盡管智能相機(jī)的處理器性能或許足以滿足這些任務(wù)的需求，但是更復(fù)雜或要求更高速度的任務(wù)則需要額外的處理能力。
除了性能外，系統(tǒng)集成商還要決定采用何種支持軟件以及相機(jī)如何連接到外部設(shè)備。盡管很多檢測(cè)部件是否存在的應(yīng)用中都采用了智能相機(jī)，但是一些其他應(yīng)用可能需要將相機(jī)連接到顯示設(shè)備，用以顯示捕獲到的圖像和圖像分析的結(jié)果。
很多智能相機(jī)的處理器運(yùn)行專(zhuān)用的操作系統(tǒng)；也有一些智能相機(jī)運(yùn)行Linux或Unix等商業(yè)操作系統(tǒng)。當(dāng)然，這些相機(jī)可以運(yùn)行任何可在PC上運(yùn)行的軟件包。
照明元件
通過(guò)配備正確的機(jī)器視覺(jué)照明系統(tǒng)，能以高對(duì)比度重復(fù)捕捉圖像特征。如果照明的配備不正確，機(jī)器視覺(jué)系統(tǒng)的成功性、可靠性、可重復(fù)性和易用性都處于較大的風(fēng)險(xiǎn)中。為了確保機(jī)器視覺(jué)系統(tǒng)配備正確的照明元件，設(shè)計(jì)師需要咨詢照明制造商，或借助圖像照明實(shí)驗(yàn)室檢測(cè)不同的照明選項(xiàng)。
LED照明正在開(kāi)始替代目前常用于機(jī)器視覺(jué)系統(tǒng)中的熒光燈、光纖鹵素?zé)艏半瘹忾W光燈光源，因?yàn)長(zhǎng)ED照明具有更高的一致性、更長(zhǎng)的使用壽命和更好的穩(wěn)定性。LED照明可以提供各種各樣的色彩并能選通發(fā)光，這一特性在高速機(jī)器視覺(jué)應(yīng)用中非常有用。
除了照明類(lèi)型，另一個(gè)決定圖像成像的重要因素是光照到待測(cè)物體上的角度。兩種最常用的為物體提供照明的方式是：暗場(chǎng)照明和亮場(chǎng)照明
暗場(chǎng)照明從較低的角度照明物體；亮場(chǎng)照明則從較高的角度照明物體。
Darkfield——暗場(chǎng)
Brightfield——亮場(chǎng)
Field of view——視場(chǎng)
暗場(chǎng)照明從較低角度照明物體，在一個(gè)非常平滑的如鏡面般的物體表面上，反射的光將超出相機(jī)的視野范圍。物體的表面將呈現(xiàn)為黑色，而通過(guò)相機(jī)捕捉到的物體表面發(fā)光的部分，就對(duì)應(yīng)著表面的缺陷或劃痕。
亮場(chǎng)照明與暗場(chǎng)照明相反，亮場(chǎng)照明是在成像物體的上方打光，因此物體反射的光將處于相機(jī)的視場(chǎng)范圍內(nèi)。亮場(chǎng)照明配置中，物體表面上任何不連續(xù)處反射的光均無(wú)法被相機(jī)接收而顯示黑色。因此，該技術(shù)被用于為漫發(fā)射的非反射性物體提供照明。
色彩效應(yīng)
如果某個(gè)應(yīng)用要求使用彩色相機(jī)，則需要白光照明待檢測(cè)的元件。如果需要區(qū)分待檢測(cè)元件的顏色，則白光需要在整個(gè)波長(zhǎng)范圍內(nèi)產(chǎn)生平等光譜（equal spectrum），以便分析圖片中的顏色。
通過(guò)黑白單色相機(jī)也可以識(shí)別圖像中的顏色，這種方法需要選擇合適的燈光照明圖像（如下圖所示）。下圖中上面一行圖片是人眼觀察到的圖像效果，而下面一行的圖像則顯示了單色相機(jī)呈現(xiàn)出的圖像效果。
為機(jī)器視覺(jué)系統(tǒng)應(yīng)用找到顏色正確的照明光源，能對(duì)捕捉到的圖像產(chǎn)生重要影響。
As seen by the human eye：人眼看到的顏色
As seen by a B&W vision system：黑白視覺(jué)系統(tǒng)呈現(xiàn)出的顏色
Red：紅
White：白
Green：綠
為了照亮圖像，使用了三種不同顏色的光：600nm紅光（左側(cè)）、白光（中間）和520nm綠光（右側(cè)）。為了使該圖像呈現(xiàn)出最佳的對(duì)比度，最好的方式是使用綠色光，因?yàn)榫G色是紅色的互補(bǔ)色。這種對(duì)比可以被單色相機(jī)輕松地識(shí)別出來(lái)。如果為了濾掉紅色，則最好采用紅色光照亮物體。如果圖片本身是五光十色的，并且不需要識(shí)別其中的任何一種顏色，那么白光照明則是更合適的選擇。
當(dāng)應(yīng)用算法處理圖像時(shí)，請(qǐng)考慮開(kāi)發(fā)人員和終端用戶的技能及具體的視覺(jué)系統(tǒng)任務(wù)要求。
許多PC和智能相機(jī)供應(yīng)商提供了功能大體相似的圖像處理軟件包。很多商業(yè)軟件包提供了圖形化集成開(kāi)發(fā)環(huán)境（IDE），使系統(tǒng)集成商可以從程序庫(kù)中拖取設(shè)計(jì)好的功能，根據(jù)自身需求實(shí)現(xiàn)定制化視覺(jué)算法。
多數(shù)商業(yè)軟件包要求為每個(gè)部署的視覺(jué)系統(tǒng)支付版權(quán)費(fèi)，但是通過(guò)使用開(kāi)源成像代碼如OpenCV或直接用C++、C、C#或.NET編寫(xiě)應(yīng)用程序，可以省去這一成本。
但是，由于OpenCV是一個(gè)開(kāi)源環(huán)境，沒(méi)有制造商為其提供擔(dān)?；蛑С?。相比之下，商業(yè)軟件用戶的圖像處理工具包將會(huì)得到開(kāi)發(fā)商的支持。
在選擇軟件前，系統(tǒng)集成商需要仔細(xì)評(píng)估自身的能力。盡管選擇一個(gè)單一的基于PC的商業(yè)機(jī)器視覺(jué)軟件包，需要支付800~2500美元的版權(quán)費(fèi)用，但是開(kāi)發(fā)人員使用C語(yǔ)言從頭開(kāi)始編程，也會(huì)很容易耗費(fèi)掉大量時(shí)間和工程資源。
此外，系統(tǒng)集成商還要認(rèn)識(shí)到，通常一個(gè)開(kāi)發(fā)環(huán)境并不能適用于所有的機(jī)器視覺(jué)系統(tǒng)。技術(shù)和經(jīng)濟(jì)壓力意味著要根據(jù)不同的應(yīng)用需求，采用不同的方法進(jìn)行軟件開(kāi)發(fā)。
在初步確定哪種算法適用于執(zhí)行某個(gè)特定的視覺(jué)任務(wù)后，需要的系統(tǒng)數(shù)量、每個(gè)系統(tǒng)的成本和軟件開(kāi)發(fā)者的技能，將決定選擇什么樣的編程環(huán)境。例如，用C或C++等高級(jí)語(yǔ)言編寫(xiě)圖像處理代碼等相對(duì)更復(fù)雜更長(zhǎng)的任務(wù)，是工程師開(kāi)發(fā)大量系統(tǒng)時(shí)的一個(gè)更佳選擇。
系統(tǒng)集成商可以根據(jù)軟件開(kāi)發(fā)者的編程技能，選擇并決定視覺(jué)系統(tǒng)軟件的復(fù)雜度。
Drag and drop——拖放工具
Script programming and web interfacing——腳本編程及網(wǎng)頁(yè)接口
PC development tools such as MS Visual Studio——計(jì)算機(jī)開(kāi)發(fā)工具，如微軟的Visual Studio
C/C++ dode development——C/C++代碼開(kāi)發(fā)
Ease of development——開(kāi)發(fā)簡(jiǎn)易性
算法類(lèi)別
圖像處理算法可以分為不同的類(lèi)別，用于滿足不同的應(yīng)用需求。
通過(guò)圖像數(shù)據(jù)的預(yù)處理，可以提取出圖像的特性。圖像閾值是圖像分割算法中最簡(jiǎn)單的方法之一，該方法可用于從灰度圖像中生成二進(jìn)制圖像，從而讓物體能夠從背景中分離出來(lái)。
其他的運(yùn)算符，如圖像濾鏡可以令圖像銳化、降低圖像噪音；而直方圖均衡可以增強(qiáng)圖像的對(duì)比度。預(yù)處理同樣涉及圖像分割，以定位圖像中具有相似屬性的物體或物體邊界，如顏色、亮度或材質(zhì)等。
更復(fù)雜的算法可以實(shí)現(xiàn)特征提取、檢測(cè)物體邊緣或物體轉(zhuǎn)角，實(shí)現(xiàn)對(duì)圖像中物體的測(cè)量。連通性工具，如blob分析算法，則可以測(cè)量圖片內(nèi)分散物體的有某種共同關(guān)系的特性參數(shù)。
關(guān)聯(lián)性與幾何搜索是另外兩個(gè)強(qiáng)大的搜索算法，其可用于找到物體的某種特性，或在新的圖像中搜索同樣的特性，可提供相應(yīng)的位置、某些情況下的尺寸和規(guī)模、以及新圖像是如何實(shí)現(xiàn)傾斜或轉(zhuǎn)換的等信息。
最后要提及的是可以實(shí)現(xiàn)分類(lèi)及圖像破譯的算法。其中，最簡(jiǎn)單的是可以實(shí)現(xiàn)簡(jiǎn)單模板匹配操作的算法，而更復(fù)雜的分類(lèi)算法可能用到神經(jīng)網(wǎng)絡(luò)及SVM等更復(fù)雜的技術(shù)。
算法的應(yīng)用
在眾多視覺(jué)系統(tǒng)中，決定一個(gè)元件或元件的某個(gè)特性是否存在非常重要。尺寸、形狀或顏色等屬性可以用于識(shí)別元件。對(duì)比分析、blob分析、模型匹配或幾何搜索工具可以在圖像上識(shí)別元件。
為了將一個(gè)元件從其他元件中區(qū)分出來(lái)，可以使用相對(duì)簡(jiǎn)單的功能，如邊緣檢測(cè)算子。如果需要精確地檢測(cè)出元件的位置，則需要執(zhí)行幾何搜索或blob分析。
為了高速檢測(cè)元件或web上的缺陷，需要用到對(duì)比分析或模型圖像匹配算子。如果需要將缺陷歸類(lèi)并檢測(cè)，blob分析或邊緣分析可以測(cè)量缺陷參數(shù)，并將其與已知的正常參數(shù)進(jìn)行比較。
在一些圖像處理應(yīng)用中，可以利用超過(guò)圖像標(biāo)準(zhǔn)像素分辨率的精度，測(cè)量圖像中的線、點(diǎn)或邊緣的位置，獲得子像素分辨率。這可以通過(guò)對(duì)比物體邊緣像素的灰度級(jí)別與物體每個(gè)邊上的像素灰度級(jí)別來(lái)實(shí)現(xiàn)。
在特殊的例子中，可以使用極坐標(biāo)抽取技術(shù)識(shí)別圓形物體的圖像，這種方法更易于實(shí)現(xiàn)。如圖5中間部分所示，blob分析被用于顯示藍(lán)色物體的參數(shù)細(xì)節(jié)。使用此類(lèi)算子，可以更容易地檢測(cè)尺寸、邊界框及物體的中心。
很多視覺(jué)系統(tǒng)工具箱中的圖像處理算法可以用于解決各種各樣的任務(wù)，如邊緣檢測(cè)（右上）、光學(xué)特性識(shí)別（上圖中間）及幾何模式匹配（右下）。
在圖5右上圖中，通過(guò)分析圖片中的灰度值，邊緣檢測(cè)算法可以檢測(cè)物體邊緣、位置、形態(tài)或者角度。左下方的直方圖顯示了某個(gè)特殊圖像的灰度像素值，該值將被進(jìn)一步分析，以強(qiáng)化圖像中獲得的某些特性。
中間的圖像有兩組光學(xué)特性需要檢測(cè)，上面的特性被輕微減弱。在這個(gè)示例中，通過(guò)驗(yàn)證可以了解特性的衰減方式。此外，光學(xué)特性識(shí)別（OCR）軟件可以用于讀取衰減特性。
在上圖右下角，搜索算法從圖像中鎖定一個(gè)目標(biāo)對(duì)象，并存儲(chǔ)為模板或幾何模型，之后在其他圖像中尋找類(lèi)似的目標(biāo)圖像，這就是一個(gè)可以識(shí)別特定特性的精確工具。
策劃、決定及執(zhí)行
在著手研發(fā)任何機(jī)器視覺(jué)檢測(cè)系統(tǒng)前，需要仔細(xì)評(píng)估是公司內(nèi)部開(kāi)發(fā)還是將其外包。在策劃階段有時(shí)會(huì)發(fā)現(xiàn)，機(jī)器視覺(jué)系統(tǒng)可能并非必要的，或者并不可行。
如果確定機(jī)器視覺(jué)系統(tǒng)可行，則具體檢測(cè)過(guò)程的所有特性都需仔細(xì)記錄。需要對(duì)元件待檢測(cè)的物理及幾何屬性，包括顏色、表面拋光及反射屬性等進(jìn)行歸類(lèi)。開(kāi)始，必須要定義特征用以區(qū)別待檢測(cè)的元件是好是壞。只有了解元件或裝配件的屬性，系統(tǒng)集成商才能確定哪個(gè)圖像解決方案是最理想的。
整個(gè)生產(chǎn)過(guò)程都需要進(jìn)行分析，使系統(tǒng)集成商了解元件是如何被生產(chǎn)的、以及在檢測(cè)過(guò)程中發(fā)生了什么變化。借助分析，甚至還可以確定是否應(yīng)該在生產(chǎn)流程的初級(jí)階段就采用視覺(jué)檢測(cè)。
當(dāng)策劃階段完成后，機(jī)器視覺(jué)組件，包括相機(jī)、軟件、照明元件、光學(xué)元件及鏡頭等都要確定下來(lái)。這一階段將確定在生產(chǎn)環(huán)境中，是否有足夠的分辨率或充分的照明及光學(xué)條件，以確保產(chǎn)生所需要的結(jié)果。這些因素最好在編寫(xiě)系統(tǒng)說(shuō)明時(shí)完成，而不要等到實(shí)現(xiàn)系統(tǒng)時(shí)再考慮。
在系統(tǒng)明確階段，應(yīng)該提供一份報(bào)告，詳細(xì)列出使用的硬件及軟件、系統(tǒng)必須要運(yùn)行的檢測(cè)功能、需要滿足的容差及系統(tǒng)的吞吐量等。此外，該階段還要考慮系統(tǒng)如何與生產(chǎn)廠房中可能存在的其他自動(dòng)化系統(tǒng)連接，這些都要記錄下來(lái)。
在決定是自行研發(fā)、還是與外部系統(tǒng)供應(yīng)商合作開(kāi)發(fā)時(shí)，還需要考慮幾個(gè)關(guān)鍵的業(yè)務(wù)問(wèn)題。從項(xiàng)目一開(kāi)始，系統(tǒng)集成商就要確定公司內(nèi)部是否具備支持項(xiàng)目所需要的技術(shù)實(shí)力。
如果公司內(nèi)部擁有這樣的技術(shù)實(shí)力，管理層還要確定具體負(fù)責(zé)該工作的個(gè)人是否有足夠的時(shí)間和資源支持這一項(xiàng)目、是否會(huì)遇到意想不