要想学好机器视觉，需要对机器视觉的知识体系有所了解。下面我们就来分享一下各个部分需要掌握的知识点。

　　图像采集：需要对镜头、光源、相机（CCD）的选型有所了解，有经验的工程师说打光是图像采集的关键。图像采集是对我们后续工作的支撑，采集不到好的图像，对图像处理就会难上好几倍甚至几百倍。

　　图像处理：图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。需要熟知对图像处理的原理以及方式方法。其他的通用的滤波、连通域、腐蚀膨胀等也都需要了解一下。

　　Halcon：编程和演示界面比较的友好，方便编程人员做二次开发，可生成C/C++文件，很容易嵌入到VC等编译环境下，对于有计算机基础或是有编程基础的同学，还是很容易就能够上手的。

　　OpenCV：这个软件开源资料会比较多，用C/C++编写，对于学习基础要求也不高，只需要对编程有兴趣或是会基本编程的都。

　　对于要学习机器视觉，会单纯的理论和编程是不够的，最好是以项目为基础，从立项开始，一步步完成自己设计的项目目标。这样才能够快速提升你的能力。

　　如果你是对机器视觉感兴趣或是想往这方面去发展，可以先选好一个适合自己的部分，结合实际，综合提高自己的水平。

　　这几年机器视觉的应用真的是风生水起。特别是在工业4.0，大数据，AI，深度学习这些高大上高科技名词的带动下，机器视觉越来越被企业老板接受。大的小的项目，旧的新的设备都在陆续应用上机器视觉。

　　比如大家熟悉的PLC，十几年前市面上PLC学习资料很少，书店都买不到像样的。现在PLC相关的资料，纸质的，电子的，图文的，视频的，真的是满天飞。PLC已极度普及，想学习的人多，培训市场需求量巨大。

　　同样机器视觉也将会是下一个PLC，当前正处在高速推广时期。可以先人一步，学习机器视觉，相对只会PLC的，竞争力要大很多。我刚开始是搞PLC，后面工作上开始有大量视觉需求，也自学了工业视觉，现在也一直在用视觉，偶尔也可以帮别人做些项目啥的。简单二维识别，一维测量都可以开好几千。看下图视觉应用场景就高大上，怎么会没前途？

　　可以从应用开始学习。如果我们学习视觉只是应用，做项目开发设备，完成实际的生产任务。相对来讲还是很简单的，我们可以从熟悉一款视觉库开始。熟练应用视觉库，熟悉函数，熟悉算法，熟悉专业名词，进而触类旁通，可以使用其他库，或研究算法内部的原理。建议可以下载学习版本的HALCON。其带有大量实用例程，丰富的函数介绍，完全可以借助HALCON自带的这些资料快速上手。如下图为部分例程。

　　更多精彩阅读：机器视觉是什么意思_机器视觉应用案例机器视觉的任务_机器视觉的基本工作过程是怎样的机器视觉用什么语言开发_机器视觉用什么硬件