机器视觉 （Machine Vision）是 人工智能 范畴中开展迅速的一个重要分支，目前正处于不时打破、走向成熟的阶段。 普通以为机器视觉“是经过光学安装和非接触传感器自动地承受和处置一个真实场景的图像，经过剖析图像取得所需信息或用于控制机器运动的安装”，可以看出智能 图像处置技术 在机器视觉中占有无足轻重的地位。

智能图像处置 是指一类基于计算机的自顺应于各种使用场所的图像处置和剖析技术，自身是一个独立的实际和技术范畴，但同时又是机器视觉中的一项非常重要的技术支撑。

具有智能图像处置功用的机器视觉，相当于人们在赋予机器智能的同时为机器按上了眼睛，使机器可以“看得见”、“看得准”，可替代甚至胜过人眼做测量和判别，使得机器视觉零碎可以完成高分辨率和高速度的控制。而且，机器视觉零碎与被检测对象无接触，平安牢靠。

机器视觉技术

机器视觉的来源可追溯到20世纪60年代美国学者L.R.罗伯兹对多面体积木世界的图像处置研讨，70年代麻省理工学院（MIT）人工智能实验室“机器视觉”课程的开设。到80年代，全球性机器视觉研讨热潮开端衰亡，呈现了一些基于机器视觉的使用零碎。90年代当前，随着计算机和半导体技术的飞速开展，机器视觉的实际和使用失掉进一步开展。

进入21世纪后，机器视觉技术的开展速度更快，曾经大规模地使用于多个范畴，如 智能制造 、智能交通、医疗卫生、 安防监控 等范畴。 目前，随着人工智能浪潮的衰亡，机器视觉技术正处于不时打破、走向成熟的新阶段。

在中国，机器视觉的研讨和使用开端于20世纪90年代。从跟踪国外品牌产品起步，经过二十多年的努力，国际的机器视觉从无到有，从弱到强，不只实际研讨停顿迅速，而且曾经呈现一些颇具竞争力的公司和产品。估量随着国际对机器视觉研讨、开发和推行的不时深化，赶上和逾越世界程度已不是高不可攀的事情了。

罕见机器视觉零碎次要可分为两类，一类是基于计算机的，如工控机或PC，另一类是愈加紧凑的嵌入式设备。典型的基于工控机的机器视觉零碎次要包括：光学零碎，摄像机和工控机（包括图像采集、图像处置和剖析、控制/通讯）等单元。机器视觉零碎对中心的图像处置要求算法精确、快捷和波动，同时还要求零碎的完成本钱低，晋级换代方便。

智能图像处置技术

机器视觉的图像处置零碎对现场的数字图像信号依照详细的使用要求停止运算和剖析，依据取得的处置后果来控制现场设备的举措，其罕见功用如下：

图像采集

图像采集就是从任务现场获取场景图像的进程，是机器视觉的第一步，采集工具大多为CCD或CMOS照相机或摄像机。 照相机采集的是单幅的图像，摄像机可以采集延续的现场图像。就一幅图像而言，它实践上是三维场景在二维图像立体上的投影，图像中某一点的黑色（亮度和色度）是场景中对应点黑色的反映。这就是我们可以用采集图像来替代真实场景的基本根据所在。

假如相机是模仿信号输入，需求将模仿图像信号数字化后送给计算机（包括嵌入式零碎）处置。 如今大局部相机都可直接输入数字图像信号，可以免除模数转换这一步骤。不只如此，如今相机的数字输入接口也是规范化的，如USB、VGA、1394、HDMI、WiFi、BlueTooth接口等，可以直接送入计算机停止处置，以免除在图像输入和计算机之间加接一块图像采集卡的费事。后续的图像处置任务往往是由计算机或嵌入式零碎以软件的方式停止。

图像预处置

关于采集到的数字化的现场图像，由于遭到设备和环境要素的影响，往往会遭到不同水平的搅扰，如噪声、几何形变、黑色失调等，都会阻碍接上去的处置环节。为此，必需对采集图像停止预处置。罕见的预处置包括噪声消弭、几何校正、直方图平衡等处置。

通常运用时域或频域滤波的办法来去除图像中的噪声;采用几何变换的方法来校正图像的几何失真;采用直方图平衡、同态滤波等办法来加重图像的黑色偏离。 总之，经过这一系列的图像预处置技术，对采集图像停止“加工”，为体机器视觉使用提供“更好”、“更有用”的图像。

图像联系

图像联系就是依照使用要求，把图像分红各具特征的区域，从中提取出感兴味目的。在图像中罕见的特征有灰度、黑色、纹理、边缘、角点等。例如，对汽车拆卸流水线图像停止联系，分红背景区域和工件区域，提供应后续处置单元对工件装置局部的处置。

图像联系多年来不断是图像处置中的难题，至今已有品种单一的联系算法，但是效果往往并不理想。近来，人们应用基于神经网络的深度学习办法停止图像联系，其功能胜过传统算法。

目的辨认和分类

在制造或安防等行业，机器视觉都离不开对输出图像的目的停止辨认和分类处置，以便在此根底上完成后续的判别和操作。辨认和分类技术有很多相反的中央，经常在目的辨认完成后，目的的类别也就明白了。近来的图像辨认技术正在跨越传统办法，构成以神经网络为主流的智能化图像辨认办法，如卷积神经网络（CNN）、回归神经网络（RNN）等一类功能优越的办法。

目的定位和测量

在智能制造中，最罕见的任务就是对目的工件停止装置，但是在装置前往往需求先对目的停止定位，装置后还需对目的停止测量。装置和测量都需求坚持较高的精度和速度，如毫米级精度（甚至更小），毫秒级速度。这种高精度、高速度的定位和测量，倚靠通常的机械或人工的办法是难以办到的。在机器视觉中，采用图像处置的方法，对装置现场图像停止处置，依照目的和图像之间的复杂映射关系停止处置，从而疾速精准地完成定位和测量义务。

目的检测和跟踪

图像处置中的运动目的检测和跟踪，就是实时检测摄像机捕捉的场景图像中能否有运动目的，并预测它下一步的运动方向和趋向，即跟踪。并及时将这些运动数据提交给后续的剖析和控制处置，构成相应的控制举措。图像采集普通运用单个摄像机，假如需求也可以运用两个摄像机，模拟人的双目视觉而取得场景的平面信息，这样愈加有利于目的检测和跟踪处置。

机器视觉的使用

机器视觉使用普遍，如安防、制造、教育、出版、医疗、交通、军事范畴等。在这些机器数额的使用中，智能图像处置都是不可或缺的，这里仅扼要引见其中几个方面的使用。

智能制造

为了完成中国智能制造2025这一雄伟目的，离不开机器视觉。例如，在智能图像处置不断处于抢先位置的广东迅通科技股份无限公司（以下简称“迅通科技”）针对这一需求开收回了机器视觉剖析仪平台。其中，迅通科技为某知名汽车厂商拆卸流水线开发的车门限位器自动定位、检测和辨认的零碎。该零碎经过智能图像辨认方式，自动检测型号能否正确，定位能否精确，完全替代了人工操作，检测精确率到达100%。此前，每个工位需求4个工人用眼睛来反省、定位16种型号限位器，员工不只很容易疲劳，还时常呈现过失。

教育考试

考试试卷时常发现因排版或印刷错误影响先生考试，应用智能图像处置技术，机器自动对印刷后的试卷和原版试卷停止比对，发现不分歧之处，会自动提示并报警，完全替代之前只能经过人工对试卷停止校验。

出版印刷

和教育考试相似，专业出版印刷厂由于印刷的图书、报纸杂志，以及承接来自企业产品包装和宣传材料的品种多，数量大，排版和印刷中常常出错。为此，需布置不少专业人员停止校正，消耗少量的资金和工夫。经过应用智能图像处置技术停止自动校正，既进步了校正精确度，又延长了校正工夫，降低了印刷本钱，延长了出版物的交付周期。

安防监控

这是以后备受机器视觉关注的一个范畴。机器视觉打破了传统视频监控零碎的限制，添加了零碎的智能，使得智能视频剖析得以逐渐完成。以公共场所的视频监控为例，经过运用机器视觉技术，可以完成对可疑人物的自动检测、人脸辨认、实时跟踪，必要时还可以完成多摄像机接连跟踪，同时收回告警，存储现场信息。

智能交通

机器视觉在交通范畴有着普遍的使用。例如，在高速公路上及卡口处，对交往车辆停止车型、牌照等辨认，甚至对行驶车辆的违规行为停止辨认。在汽车上对驾驶员面部图像停止剖析，判别驾驶员能否处于疲劳驾驶形态。再如， 无人驾驶 汽车借助于机器视觉技术，运用摄像头、激光/毫米波/超声波雷达、GPS等感晓得路环境信息，自动规划和控制车辆的平安行驶。

无数据显示，2016年全球机器视觉零碎的市场规模约46亿美元，2017年约50亿美元，估计2018年到达55亿美元，年增长率为10%左右。中国机器视觉市场的增长是从2010年开端的，2017年市场规模约68亿元，估计到2020年或达780亿元，市场增长率将超越100%。

技术瓶颈及今后的开展

在机器视觉的智能图像处置技术的开展中，还存在不少技术瓶颈，如：

波动性 ：某种处置办法往往在研讨和开发中表现良好，但在复杂多变的使用环境中，却不时地呈现成绩。例如人脸辨认零碎，在目的配合时辨认率可高达95%以上，互联网电子商务和移动商务消费渠道的普及，使得支付市场将在不久的将来继续呈现更加美好的增长前景。但在实践监控环境下，辨认率就会大大下降。

实时性 ：假如图像的采集速度、处置速度较慢，再加上早先引入的深度学习类算法，加大了零碎实时处置的难度，跟不上机器运转和控制的节拍。

精确性 ：机器视觉零碎要求图像辨认和测量的精确性接近100%，任何巨大的误差都有能够带来不可预测的结果。例如目的定位的误差会使拆卸出来的设备不契合要求。

零碎才能 ：目前的嵌入式图像处置零碎，存在芯片的计算才能缺乏，存储空间无限等成绩，经常不能满足运算量较大的图像处置运算，如神经网络的迭代运算，大规模矩阵运算等。

今后机器视觉中智能图像处置的开展次要表现在以下几个方面：

算法 ：传统算法持续不时有所打破，新一波人工智能浪潮带来不少新的功能优秀的图像处置算法，如深度学习（DL），卷积神经网络（CNN），生成对立网络（GAN），等等。

实时性 ：呈现更多构造新颖、资源充足、运算疾速的硬件平台支撑，例如基于多CPU、多GPU的并行处置构造的计算机，海量存储单元等。

嵌入式 ：新的高速的信号处置器阵列，超大规模FPGA芯片。

交融处置 ：从单图像传感器开展到多传感器（多视点）的交融处置，可愈加充沛地获取现场信息。还可交融多类传感器，如图像传感器、声响传感器、温度传感器等共同完对现场目的定位、辨认和测量。

总之，无论是“中国制造2025”还是“工业4.0”都离不开人工智能，离不开计算机视觉，而智能图像处置是机器视觉的中心技术，随着图像处置程度的不时进步，一定会无力地推进机器视觉的迅速开展。