主要观点总结
本文主要介绍了机器视觉的概念及其在图像处理技术中的应用。机器视觉是人工智能领域中发展迅速的一个重要分支，通过光学装置和非接触传感器自动地接受和处理真实场景的图像，用于控制机器运动。文章详细阐述了机器视觉中图像处理技术的常见应用，如图像采集、图像预处理、图像分割、目标识别和分类、目标定位和测量以及目标检测和跟踪等。同时，也指出了机器视觉在图像处理技术上面临的挑战，如处理方法在实际应用环境中的不稳定性和对准确性和处理速度的高要求。提高图像处理速度的方法包括改进和优化图像处理算法以及实现算法的手段，例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、通用计算机网络并行处理和数字信号处理器(DSP)等。文章内容仅供参考，做学术分享使用，如有侵权请联系删文。
关键观点总结
关键观点1: 机器视觉的定义与发展现状
机器视觉是人工智能领域中发展迅速的一个重要分支，通过光学装置和非接触传感器自动地接受和处理真实场景的图像，用于控制机器运动，正处于不断突破、走向成熟的阶段。
关键观点2: 机器视觉中图像处理技术的常见应用
包括图像采集、图像预处理、图像分割、目标识别和分类、目标定位和测量以及目标检测和跟踪等。
关键观点3: 机器视觉在图像处理技术上面临的挑战
包括处理方法在实际应用环境中的不稳定性和对准确性和处理速度的高要求。
关键观点4: 提高图像处理速度的方法
包括改进和优化图像处理算法以及实现算法的手段，如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、通用计算机网络并行处理和数字信号处理器(DSP)等。
正文
机器视觉的图像处理系统对现场的数字图像信号按照具体的应用要求进行运算和分析，根据获得的处理结果来控制现场设备的动作，其常见应用如下：
图像采集就是从工作现场获取场景图像的过程，是机器视觉的第一步，采集工具大多为CCD或CMOS照相机或摄像机。
照相机采集的是单幅的图像，摄像机可以采集连续的现场图像。就一幅图像而言，它实际上是三维场景在二维图像平面上的投影，图像中某一点的彩色（亮度和色度）是场景中对应点彩色的反映。这就是我们可以用采集图像来替代真实场景的根本依据所在。
如果相机是模拟信号输出，需要将模拟图像信号数字化后送给计算机（包括嵌入式系统）处理。现在大部分相机都可直接输出数字图像信号，可以免除模数转换这一步骤。不仅如此，现在相机的数字输出接口也是标准化的，如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接送入计算机进行处理，以免除在图像输出和计算机之间加接一块图像采集卡的麻烦。后续的图像处理工作往往是由计算机或嵌入式系统以软件的方式进行。
对于采集到的数字化的现场图像，由于受到设备和环境因素的影响，往往会受到不同程度的干扰，如噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节。为此，必须对采集图像进行预处理。常见的预处理包括噪声消除、几何校正、直方图均衡等处理。
通常使用时域或频域滤波的方法来去除图像中的噪声；采用几何变换的办法来校正图像的几何失真；采用直方图均衡、同态滤波等方法来减轻图像的彩色偏离。
总之，通过这一系列的图像预处理技术，对采集图像进行“加工”，为体机器视觉应用提供“更好”、“更有用”的图像。
