1．机器视觉的组成及工作原理
机器视觉系统处理的核心目标是“图像”，一目标物体的“图像”被单帧或多帧采集量化为数字化信息，反之可以说，用一些离散的数字化数值阵列就可以表示一目标物体的“图像”。

对于复杂的“图像”或需要进行更高精度的处理来说，采集量化的数字化信息则要求更大。

即处理精度与数字化信息量成正比。

一般来说，图像用多级亮度来表示并进行量化采集，即所谓灰度法。

以灰度来表示图像量化的每一个像元素特征。

基于灰度法的机器视系统框图由图1所示。

机器视觉系统包括：光路系统、面阵摄像机(CCD)、量化存贮单元、模板库、专用高速处理单元、监视单元等大模块。

其中光路系统由程控光源、变焦伺服机构、自动光圈、光学镜片组等组成。

对于以灰度进行量化处理的机器视觉系统而言，图像亮度是一个尤为重要的参数，而决定这一重要参数的因素便是光路系统的质量。

一般来说机器视觉系统为了避免环境自然光线或灯光对其工作状态的影响，光路设计均采用自足光源，程控光源要求亮度大、亮度可调、均匀性好、稳定性高，以抑制外界环境各种光对图像质量产生较大影响而导致机器视觉系统故障或误判行为。

其次，光路系统设计需满足视场需求和图像分辨率要求。

它的设计质量决定了图像质量，决定了机器视觉系统的准确率。

工业生产中采用的机器视觉系统，灰度级差异较大，小到二值图像、大到256灰度级，以及特殊需求可更大。

采用的灰度级越大，数字化图像越逼真清晰，越接近原视图。

一般来说，人眼能分辨的灰度级约为50～60级之问。

因此64级灰度足以提供必要的观察信息及辨认需求，这是许多机器视觉系统采用64级灰度级的原因。

但是，要使机器视觉系统具有很强的精密区别目标的能力，一般采用的灰度级为256级，但是由于要处理的信息量很大，要求处理单元有足够快的运算能力。

例如采用512×512阵列像元图像量化为二值图像，一帧图像信息量为262 144Bit，而按256级灰度时，一帧图像信息量为2 000 000 Bit。

因此，实用化的机器视觉系统除尽可能选用专用高速处理单元外，还应根据不同应用需要选取，在识别处理精度、处理时间长短、像元灰度级等因素之间进行综合平衡，以达到高效、实用的目的。

机器视觉系统常用的摄像机一般为固态CCD或线阵摄像机，面阵分辨率可为300～700线或更高，线阵分辨率则可多达4 048像元以至更高。

根据需求进行取舍配置。

机器视觉系统的精度取决于摄像机视场和所包含的像元数量，视场越小，每个像元代表的距离也越小，识别精度也越高。

标准CCD像元阵列为768×576和512×512二种。

另外，为满足某些需要较大视场较小分辨率的要求，可设计多路CCD将视图分割为一个个较小视场，又可提高分辨率。

机器视觉系统的核心是专用高速图像处理单元，如何把存入存贮单元大量离散的数字化信息与模板库信息进行比较处理，并快速得出结论是处理单元软、硬件面对的问题。

运算信
息量大，意味着处理结果的准确率高，但如果运算时问较长，机器视觉便失去其存在的意义。

这种信息量与运算速度之问的矛盾已成为世界各国微处理器研制生产厂商必须面对的课题。

目前，已有多种视觉专用硬件处理器芯片、DSP芯片等等不断涌现并被广泛应用于计算机、通讯、娱乐等产品之中，进行高速图像计算、数据压缩，解压缩、贮存与传输。

除去硬件因素，选用适当的算法，可以提高处理运行效率，减少存贮容量、提高运算速度及准确度。

图像处理算法软件及技巧也成为高效机器视觉系统需要精益求精、探索不止的目的和不可缺少的重要组成部分。

2．。