机器视觉，可以理解为给机器加装上视觉装置，目的是为了使机器具有类似于人类的视觉功能，从而提高机器设备的自动化和智能化程度。机器视觉涉及到多个学科和多种技术，包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术等。
机器视觉研究分类
从应用的层面看，机器视觉的研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。
从处理过程看，机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等。高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。
从方法层面看，有被动视觉与主动视觉之分，又有基于特征的方法与基于模型的方法之分。
机器视觉作为一门工程学科，是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题，必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素，折中地处理信噪比、分辨率、精度、计算量等关键问题。
机器视觉系统组成
1、照明
照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。
2、镜头
确定所要达到的视野范围(FOV)和工作距离(WD)，然后根据这两个要求和已知的靶面尺寸计算出工业镜头的焦距(f)。镜头选择应注意：①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点⑦畸变。
3、相机
按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；单色相机和彩色相机。
4、图像采集卡
图像采集卡只是完整的机器视觉系统的一个部件，直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。
5、视觉处理器
视觉处理器集采集卡与处理器于一体，以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图像到存储器，而且计算机运算速度也快多了，所以现在视觉处理器用的较少。
