機器視覺是一項綜合技術(shù)，包括圖像處理、機械工程技術(shù)、控制、電光源照明、光學(xué)成像、傳感器、模擬與數(shù)字視頻技術(shù)、計算機軟硬件技術(shù)(圖像增強和分析算法、圖像卡、I/O卡等)。一個典型的機器視覺應(yīng)用系統(tǒng)包括圖像捕捉、光源系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機械控制執(zhí)行模塊。機器視覺系統(tǒng)基本的特點就是提高生產(chǎn)的靈活性和自動化程度。在一些不適于人工作業(yè)的危險工作環(huán)境或者人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺。同時，在大批量重復(fù)性工業(yè)生產(chǎn)過程中，用機器視覺檢測方法可以大大提高生產(chǎn)的效率和自動化程度。機器視覺的研究是從20世紀60年代中期美國學(xué)者L.R.羅伯茲關(guān)于理解多面體組成的積木世界研究開始的。當時運用的預(yù)處理、邊緣檢測、輪廓線構(gòu)成、對象建模、匹配等技術(shù)，后來一直在機器視覺中應(yīng)用。羅伯茲在圖像分析過程中，采用了自底向上的方法。用邊緣檢測技術(shù)來確定輪廓線，用區(qū)域分析技術(shù)將圖像劃分為由灰度相近的像素組成的區(qū)域，這些技術(shù)統(tǒng)稱為圖像分割。其目的在于用輪廓線和區(qū)域?qū)λ治龅膱D像進行描述，以便同機內(nèi)存儲的模型進行比較匹配。實踐表明，只用自底向上的分析太困難，必須同時采用自頂向下，即把目標分為若干子目標的分析方法，運用啟發(fā)式知識對對象進行預(yù)測。這同言語理解中采用的自底向上和自頂向下相結(jié)合的方法是一致的。在圖像理解研究中，A.古茲曼提出運用啟發(fā)式知識，表明用符號過程來解釋輪廓畫的方法不必求助于諸如zui小二乘法匹配之類的數(shù)值計算程序。70年代，機器視覺形成幾個重要研究分支：①目標制導(dǎo)的圖像處理；②圖像處理和分析的并行算法；③從二維圖像提取三維信息；④序列圖像分析和運動參量求值；⑤視覺知識的表示；⑥視覺系統(tǒng)的知識庫等。機器視覺的應(yīng)用主要有檢測和機器人視覺兩個方面：⒈檢測：又可分為高精度定量檢測（例如顯微照片的細胞分類、機械零部件的尺寸和位置測量）和不用量器的定性或半定量檢測（例如產(chǎn)品的外觀檢查、裝配線上的零部件識別定位、缺陷性檢測與裝配完全性檢測）。⒉機器人視覺：用于指引機器人在大范圍內(nèi)的操作和行動，如從料斗送出的雜亂工件堆中揀取工件并按一定的方位放在傳輸帶或其他設(shè)備上（即料斗揀取問題）。至于小范圍內(nèi)的操作和行動，還需要借助于觸覺傳感技術(shù)。