机器视觉是人工智能领域快速发展的一个重要分支，目前正处于不断突破和成熟的阶段。一般认为，机器视觉是一种通过光学器件和非接触式传感器自动接受和处理真实场景的图像，并通过分析图像获得所需信息或用于控制机器运动的装置。视觉占有举足轻重的地位。

智能图像处理是指一种以计算机为基础的、适应于各种应用的图像处理和分析技术。是一个独立的理论和技术领域，但同时又是机器视觉中非常重要的技术支撑。

具有智能图像处理功能的机器视觉，相当于赋予了机器智能的同时，又把眼睛放在了机器上，使机器能够“看”、“看得准”，可以代替甚至超越人眼进行测量和判断，使机器视觉系统能够实现高分辨率和高速的控制。此外，机器视觉系统与被测物体无接触，安全可靠。

机器视觉图像处理系统根据特定的应用要求对现场的数字图像信号进行计算和分析，并根据得到的处理结果控制现场设备的动作。其常用功能如下：

1、图像采集

图像采集是从工作现场获取场景图像的过程，是机器视觉的第一步。大多数采集工具是CCD或CMOS相机。相机采集的是单个图像，相机可以采集连续的现场图像。就图像而言，它实际上是三维场景在二维图像平面上的投影，而图像中某一点的颜色是场景中相应点颜色的反映。这是我们可以用采集到的图像代替真实场景的根本依据。

如果相机输出模拟信号，则需要对模拟图像信号进行数字化处理，并送入计算机进行处理。现在大多数相机都可以直接输出数字图像信号，从而可以避免模数转换的步骤。不仅如此，现在相机的数字输出接口也标准化了，比如USB、VGA、1394、HDMI、WiFi、蓝牙接口等，这些都可以直接发送到电脑进行处理，这样就避免了在图像输出和电脑之间增加一个图像。采集卡的麻烦。后续的图像处理通常由计算机或软件形式的嵌入式系统来完成。

2、图像预处理

由于设备和环境因素的影响，采集到的数字化现场图像往往会受到不同程度的干扰，如噪声、几何变形、色彩失调等，这些都会阻碍下一步的处理环节。为此，必须对采集的图像进行预处理。常见的预处理包括去噪、几何校正、直方图均衡化等处理。

总之，通过这一系列图像预处理技术，对采集到的图像进行“处理”，为体机器视觉应用提供“更好”、“更有用”的图像。

3、图像分割

图像分割就是根据应用需求将图像分割成具有不同特征的区域，并从中提取出感兴趣的目标。图像中常见的特征包括灰度、颜色、纹理、边缘、角点等。例如，将汽车装配线的图像分割成背景区域和工件区域，提供给后续处理单元进行工件安装部分的处理。

4、目标识别与分类

在制造业或安防等行业，机器视觉都离不开对输入图像的目标进行识别和分类，以便在此基础上完成后续的判断和操作。识别和分类技术有很多相似处，常在目标识别完成后，目标类别也就清晰了。

5、目标定位与测量

在智能制造中，常见的任务是安装目标工件，但往往需要在安装前对目标进行定位，安装后对目标进行测量。安装和测量都需要保持较高的精度和速度，比如毫米级的精度（甚至更小）。此高精度、高速度的定位和测量是依靠通常的机械或人工方法难以实现的。在机器视觉中，根据目标与图像之间复杂的映射关系，采用图像处理的方法对安装现场图像进行处理，从而快速、准确地完成定位和测量任务。

6、目标检测与跟踪

图像处理中的运动目标检测与跟踪就是检测相机实时捕获的场景图像中是否存在运动目标，并预测其下一步的运动方向和趋势，即跟踪。并将这些运动数据及时提交给后续的分析和控制处理，形成相应的控制动作。