机器视觉就是机器的视觉，换句话说：就是将视觉感知赋予机器，使机器具有和生物视觉系统类似的场景感知能力。

　　视觉是我们最强大的感知方式，我们可以在不实际接触的情况下，通过视觉感知的方式获取周围环境的很多信息。在计算机出现后，人们开始尝试将视觉感知能力赋予机器。

　　由于生物视觉系统非常复杂，我们目前还不能使得某一机器系统完全具备这一强大的视觉感知能力。我们现阶段还是致力于：构建一个在可控环境中处理特定任务的机器视觉系统。由于工业中的视觉环境可控，并且处理任务特定，所以现如今大部分的机器视觉被应用在工业当中。

　　机器视觉的主要任务：通过分析图像，对图像中所涉及到的场景或物体生成一组描述信息。

　　也就是说，机器视觉系统的输入是图像（或者图像序列），输出是对这些图像的感知描述。这组描述与这些图像中的物体或场景息息相关，并且这些描述可以帮助机器来完成特定的后续任务，指导机器人系统与周围的环境进行交互。

　　举个例子：指导机器手臂按要求抓取传送带上的零件。零件的种类、位置和朝向是任意的，那么当传送带上零件经过上方摄像头时，通过机器视觉就可以生成零件的一组描述：种类、位置和朝向，从而指导机器手臂按要求进行抓取。下面给出机器视觉系统的示意图。

　　（1）图像处理主要是：根据现有的图像得到一张新图像。由于得到的是一张图像，所以其输出结果仍然需要人来对其进行分析解释。

　　（2）模式分类的主要任务是：对“模式”进行分类。这些“模式”是指事物的一组属性或者说特征。通过这些属性特征，将其划归为已知类中的某一类，也就是识别出了这个事物。

　　（3）场景分析的关注点是：将一个简单的描述转化为一个更为复杂、更为详细、更利于我们做出判断或得出结论的描述。这些输出描述是对输入描述的一种深化，输出描述进一步解释了事物的深层联系。

　　通过上面的介绍可以发现，虽然这三个领域与机器视觉息息相关，例如：机器视觉当中要用到图像处理的相关技术，模式分类可以看作是机器视觉系统众多任务中的一类，场景分析则可作为机器视觉的后续深化，但是它们的核心问题都不完全是：从图像中获得与之相关的符号描述。

　　所以再次强调，机器视觉要解决的核心问题是：根据一张图像或者一组图像序列中得到事物的一个符号描述！下面给出了上述4个领域各自的处理任务。

　　维视智造20余年来，一直专注于机器视觉产品和解决方案的研发、应用，如今针对具体行业已搭建了专门的研发团队，深入其中为产业链上各层级的厂商提供前沿、专业、系统、定制化、高性价比的技术支持。做大浪淘沙中的洞见者，维视将携手每一位客户，共赴智造时代。返回搜狐，查看更多