在机器视觉系统中,获得一张量的可处理的图像是至关重要。系统之所以成功,首先要图像质量好,特征明显。一个机器视觉项目之所以失败,大部分情况是由于图像质量不好,特征不明显引起的。要好的图像,必须要选择一个合适的光源。光源选型基本要素:对比度:对比度对机器视觉来说非常重要。机器视觉应用的照明的重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生zui大的对比度,从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够需要检测的特征突出于其他背景。亮度:当选择两种光源的时候,zui佳的选择是选择更亮的那个。当光源不够亮时,可能有三种不好的情况会出现。一,相机的信噪比不够;由于光源的亮度不够,图像的对比度必然不够,在图像上出现噪声的可能性也随即增大。其次,光源的亮度不够,必然要加大光圈,从而减小了景深。另外,当光源的亮度不够的时候,自然光等随机光对系统的影响会zui大。鲁棒性:另一个测试好光源的方法是看光源对部件的位置敏感度zui小。当光源放置在摄像头视野的不同区域或不同角度时,结果图像应该不会随之变化。方向性很强的光源,增大了对高亮区域的镜面反射发生的可能性,这不利于后面的特征提取。好的光源需要能够使你需要寻找的特征非常明显,除了是摄像头能够拍摄到部件外,好的光源应该能够产生zui大的对比度、亮度足够且对部件的位置变化不敏感。光源选择好了,剩下来的工作就容易多了。具体的光源选取方法还在于试验的实践经验。由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。但是机器视觉技术比较复杂,zui大的困难在于人的视觉机制尚不清楚。人可以用内省法描述对某一问题的解题过程,从而用计算机加以模拟。但尽管每一个正常人都是“视觉”,却不可能用内省法来描述自己的视觉过程。因此建立机器视觉系统是十分困难的任务。可以预计的是,随着机器视觉技术自身的成熟和发展,它将在现代和未来制造企业中得到越来越广泛的应用。机器视觉的应用主要有检测和机器人视觉两个方面:⒈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)。⒉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设备上(即料斗拣取问题)。至于小范围内的操作和行动,还需要借助于触觉传感技术。