機器視覺檢測系統采用攝像頭將檢測到的目標轉換成圖像信號，傳輸到專用圖像處理系統，根據像素分布和亮度，顏色等信息，轉化為數字信號，這些圖像處理系統信號執行各種操作，以提取目標的特征，如面積，數量，位置，長度，然后根據預設的允許性和其他條件，包括大小，輸出結果，角度，數量，通過／失敗，存在／不存在等，實現自動識別。

如果你以前沒有接觸過機器視覺，而你想要學習機器視覺，那么你可能就會有第一個疑惑：機器視覺到底好不好學？想要學會機器視覺必須掌握哪些知識？要想學好機器視覺，需要對機器視覺的知識體系有所了解。下面我們就來分享一下各個部分需要掌握的知識點。

1、視覺成像部分

視覺成像又包含幾個典型組件： 光源，鏡頭，CCD工業相機。

光源和鏡頭都需要我們掌握光學知識，不同的打光方式，可以讓相機對物體產生完全不同的成像；而鏡頭的倍率，焦距，視野等的選擇不同直接決定了成像的逼真度。對于一名機器視覺工程師來說，掌握如何選擇鏡頭，如何選擇光源，如何確定打光方式是最基本的技能。

工業相機需要我們掌握光電知識，掌握相機傳感器的區別，掌握圖像成像的基本知識如清晰度，動態范圍，視場角等等，這樣我們才能根據需求和場景選擇正確的相機，最快速的掌握這些知識的方法是買一臺入門級單反來研究透這些成像參數和成像的關系。

2、圖像處理部分

圖像處理我們一般理解是在PC機器上進行的，實際上在工業領域，大部分采用工控機，因為它穩定，加上有成本優勢。近些年的發展，嵌入式硬件也在蓬勃發展，很多工廠對于小的需求比如控制幾百臺儀表盤的開關和狀態監控，完全可以利用樹莓派等開源硬件實現。對于入門者來說，可以優先掌握PC平臺，X86平臺的開發，在熟悉之后可以延展到嵌入式平臺。在軟件部分，大部分應用層采用C#，.net，QT，C++來實現，因此掌握這其中的一門編程語言是必備的；而在圖像算法層面，典型的開源算法有opencv，商用的有halcon，visionpro等，建議最開始可以先以halcon入門；如果在算法層面想進一步深入，可以研究一下機器學習，這可能是未來的主要方向。對于理論方面，更多的是掌握圖像處理的基本概念，這本書《機器視覺算法與應用》，值得一看。

3、運動控制部分

典型的運動控制卡如固高，可以入手研究一下。更為高級一點的PLC，也可以玩起來，這部分的難點在于，精度的矯正，因為很多場景和需求對精度的要求是非常高的。除了以上三點，整體方案的搭建能力是至關重要的， 因為方案需要把這些部分都串起來，并且能夠和現實場景聯系起來，滿足實際的生產自動化需求。

責任編輯：tzh