在机器视觉系统设计中，最重要的是获得较高的图像对比度。正确地选择照明方式、孔径大小和镜头性能，都可以增加图像对比度及提高系统性能。虽然设计师可能会为了增加系统性能而考虑升级照明及镜头，但这种做法会导致系统的成本显著增加。但是如果设计师评估被成像物体的光谱特性便会发现，只需要使用不同的滤光片，就能以很低的价格大大提高成像品质，同时最大限度地降低对其他设计元素的影响。

　　先从机器视觉的定义开始，根据制造工程师协会的定义：机器视觉就是使用光学非接触式感应设备自动接收并解释真实场景的图像以获得信息控制机器或流程。

　机器视觉系统的构成---一般机器视觉系统主要包括信息探测、采集系统、图像处理、显示及智能决策等模块，涉及计算机图形学、数字图像处理、视频信息处理、模式识别、人工智能理论、智能信息处理、VLSI技术等技术，可广泛应用于工业产品自动检测、航天、航空、遥感、卫星侦察、天文观测、通讯、交通、电子、金融、医疗等图像采集、处理和决策的诸多领域。

　　在我的理解里，要实现机器视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。

　目前百万像素高清工业相机​已越来越多地应用于各个工业检测领域，有1百万像素相机、2百万像素相机、5百万像素相机甚至上千万像素相机等等。摄像机的像素高是图像清晰的一个方面，另一方面高像素感光元也要配以高分辨率的镜头才能使高清相机的能力得以体现。

机器视觉的照明系统可以将被测物特征最大化，并减少相应的背景中对比物的影响，使高速相机可以清晰地“看见”被测物。高对比的图像可以降低系统难度并提高系统的稳定性;反之，低对比的图像会增加系统的处理时间并加大系统的复杂度。机器视觉应用的成功很大一部分取决于照明设置，一个合适的照明系统可以使整个视觉检测系统更具有效率和准确性。下面将详细介绍机器视觉照明要点：

　在当今印刷行业，激烈的竞争使得用户对产品质量要求越来越高，产品质量关系着印刷企业的生存。通常，印刷企业都采用人工检测的方法，但是由于人眼长时间处于紧张状态，容易产生视觉疲劳，导致产品漏检和废品出厂的现象时有发生，最终造成用户对印刷企业投诉率长期居高不下，给印刷企业的声誉带来了不良影响。同时，印刷企业还需要配备大量的人力，这样又增加了印刷企业的生产成本，降低了企业竞争力。

机器视觉​都有怎样的应用? 　　机器视觉的应用主要分为四大类别，包括引导、识别、测量和检验(英文首字母缩写：GIGI)，GIGI 表示 Guidance(引导)、Inspection(检验)、Gauging(测量)和 Identification(识别)。 接下来主要介绍机器视觉应用的引导部分。

　机器视觉与机器人的组合应用 　　机器视觉系统的构成 　　机器视觉与机器人系统构成 　　为什么机器人需要机器视觉系统? 　　1.没有机器视觉的机器人应用有局限性