機(jī)器視覺系統(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、沒有缺陷。 
     很多機(jī)器視覺系統(tǒng)配備了采用不同類型圖像傳感器的相機(jī)。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)，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)。 
        選擇相機(jī) 
        通常，機(jī)器視覺系統(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)部件缺陷等自動(dòng)化視覺任務(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)則需要功能全面的視覺檢測(cè)軟件來(lái)配合視覺硬件。 
        照明元件 
        通過(guò)配備正確的機(jī)器視覺照明系統(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)器視覺系統(tǒng)配備正確的照明元件，工程師需要借助圖像照明實(shí)驗(yàn)室檢測(cè)不同的照明選項(xiàng)。 
        LED照明正在開始替代目前常用于機(jī)器視覺系統(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)器視覺應(yīng)用中非常有用。 
        除了照明類型，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，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。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。  

        圖像處理算法  
        當(dāng)應(yīng)用算法處理圖像時(shí)，請(qǐng)考慮開發(fā)人員和終端用戶的技能及具體的視覺系統(tǒng)任務(wù)要求。 
        易菲特提供了圖形化視覺檢測(cè)平臺(tái)（EMVP），使用戶通過(guò)簡(jiǎn)單的培訓(xùn)便可以從中拖取設(shè)計(jì)好的功能，根據(jù)自身需求實(shí)現(xiàn)定制化視覺算法。 
        算法類別 
        圖像處理算法可以分為不同的類別，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。 
        算法的應(yīng)用 
        在眾多視覺系統(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。 
        在一些圖像檢測(cè)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)。