1. 什么是机器视觉？
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做影象处理，用计算机处理成为更适合人眼观察或传送给仪器检测的影象。简单说来，机器视觉就是用机器代替人眼来做测量和判断，通常是经过摄像头采集需要检测的物体的影象，将拍摄得到的目标转换成影象讯号，由后端强大的视觉影象处理算法来得到检测的效果，例如根据画素分布和亮度、颜色、纹理等资讯来分析检测结果，达到代替人工检测的方法。计算机视觉包含如下一些分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引建立，影象恢复等。如下图，通过阈值梯度变化计算得到其各部分的边缘位置。
计算机视觉，影象处理，影象分析，机器人视觉和机器视觉是彼此紧密关联的学科。如果你翻开带有上面这些名字的教材，你会发现在技术和应用领域上他们都有着相当大部分的重叠。这表明这些学科的基础理论大致是相同的，甚至让人怀疑他们是同一学科被冠以不同的名称。
然而，各研究机构，学术期刊，会议及公司往往把自己特别的归为其中某一个领域，于是各种各样的用来区分这些学科的特征便被提了出来。下面将给出一种区分方法，尽管并不能说这一区分方法完全准确。
计算机视觉的研究物件主要是对映到单幅或多幅影象上的三维场景，例如三维场景的重建。计算机视觉的研究很大程度上针对影象的内容。
影象处理与影象分析的研究物件主要是二维影象，实现影象的转化，尤其针对画素级的操作，例如提高影象对比度，边缘提取，去噪声和几何变换如影象旋转。这一特征表明无论是影象处理还是影象分析其研究内容都和影象的具体内容无关。
机器视觉主要是指工业领域的视觉研究，例如自主机器人的视觉，用于检测和测量的视觉。这表明在这一领域通过软件硬件，影象感知与控制理论往往与影象处理得到紧密结合来实现高效的机器人控制或各种实时操作。
模式识别使用各种方法从讯号中提取资讯，主要运用统计学的理论。此领域的一个主要方向便是从影象资料中提取资讯。
还有一个领域被称为成像技术。这一领域最初的研究内容主要是制作影象，但有时也涉及到影象分析和处理。例如，医学成像就包含大量的医学领域的影象分析。
对于所有这些领域，一个可能的过程是你在计算机视觉的实验室工作，工作中从事著图象处理，最终解决了机器视觉领域的问题，然后把自己的成果发表在了模式识别的会议上。
2. 机器视觉系统的构成
一个简单的视觉检测系统可以由摄像机及pc就可以完成搭建及实验，一个复杂视觉检测系统需要照明光源 、镜头 、工业摄像机 、影象采集/处理卡 、影象处理系统 、其它外部装置 等诸多装置去完成这一装置的搭建。机器视觉检测系统采用相机将被检测的目标转换成影象讯号，传送给专用的影象处理系统，根据画素分布和亮度、颜色等资讯，转变成数字化讯号，影象处理系统对这些讯号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。
3. 应用领域
机器视觉的应用主要有检测和机器人视觉两个方面：
1. 检测：又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）。
2. 机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他装置上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉感测技术。
4. 学习过程
入门机器学习可能涉及到的学科比较广泛，我们应该从一些基础开始学习，简单的影象知识先入手，了解基本的影象特征及组成的因素，慢慢深入了解影象处理的过程。
PS：以后再慢慢介绍影象处理的方法及软件的试用。
