機器視覺系統是綜合現代計算機、光學、電子技術的高科技系統。機器視覺技術通過計算機對系統攝取的圖像進行處理，分析其中的信息，并做出相應的判斷，進而發出對設備的控制指令。機器視覺系統的具體應用需求千差萬別，視覺系統本身也可能有多種不同的形式，但都包括以下過程:
　　圖像采集 利用光源照射被觀察的物體或環境，通過光學成像系統采集圖像，通過相機和圖像采集卡將光學圖像轉換為數字圖像，這是機器視覺系統的前端和信息來源。
　　圖像處理和分析 計算機通過圖像處理軟件對圖像進行處理，分析獲取其中的有用信息。如PCB板的圖像中是否存在線路斷路、紡織品的圖像中是否存在疵點、文檔圖像中存在哪些文字等。這是整個機器視覺系統的核心。
判斷和控制 圖像處理獲得的信息最終用于對對象（被測物體、環境）的判斷，并形成對應的控制指令，發送給相應的機構。如攝取的零件圖像中，計算零件的尺寸是否與標準一致，不一致則發出報警，做出標記或進行剔除。
在整個過程中，被測對象的信息反映為圖像信息，進而經過分析，從中得到特征描述信息，最后根據獲得的特征進行判斷和動作。最典型的機器視覺系統一般包括: 光源、光學成像系統、相機、圖像采集卡、圖像處理硬件平臺、圖像和視覺信息處理軟件、通信模塊。

　　總體上，一個成功的機器視覺系統需要重點解決圖像采集（包括光源、光學成像、數字圖像獲取與傳輸）、圖像處理分析幾個環節的關鍵技術。
　　照明設計
　　照明是機器視覺系統中極其重要而又容易為人忽視的環節。其設計是機器視覺系統設計的重要步驟，直接關系著系統的成敗和性能。因為照明直接作用于系統的原始輸入，對輸入數據質量的好壞有直接的影響。光源決不僅僅是為了照亮物體，通過有效的光源設計可以令需要檢測的特征突出，同時抑制不需要的干擾特征，給后端的圖像處理帶來極大的便利。而不恰當的照明方案會造成圖像亮度不均勻，干擾增加，有效特征與背景難以區分，令圖像處理變得極其困難，甚至成為不可能完成的任務。
　　照明設計主要包括三個方面: 光源、目標和環境的光反射和傳送特性、光源的結構。由于被測對象、環境和檢測要求千差萬別，因而不存在通用的機器視覺照明設備，需要針對每個具體的案例來設計照明的方案，要考慮物體和特征的光學特性、距離、背景，根據檢測要求具體選擇光的強度、顏色和光譜組成、均勻性、光源的形狀、照射方式等。
　　照明設計是一項非常復雜的工作，不僅需要理論知識和分析能力，也常常需要反復的試驗和調整?！肮庠词腔鶞?，打光是藝術”，這句話道出了照明設計在機器視覺系統中的重要地位。由此也催生了一批以生產光源著稱的廠商，如CCS、Moritex、東冠科技。國內如凌云公司等系統集成商也開始開發自主的光源產品。
　　光學成像系統與相機
　　機器視覺系統中，鏡頭相當于人的眼睛，其主要作用是將目標的光學圖像聚焦在圖像傳感器（相機）的光敏面陣上。視覺系統處理的所有圖像信息均通過鏡頭得到，鏡頭的質量直接影響到視覺系統的整體性能。一旦信息在成像系統有嚴重損失，在后面的環節中試圖恢復是非常困難的。合理選擇鏡頭、設計成像光路是視覺系統的關鍵技術之一。
　　鏡頭成像或多或少會存在畸變。較大的畸變會給視覺系統帶來很大困擾，在成像設計時應對此有詳細的考慮，包括選用畸變小的鏡頭，有效視場只取畸變較小的中心視場等。鏡頭另一個特性是其光譜特性，主要受鏡頭鍍膜的干涉特性和材料的吸收特性影響。要求盡量做到鏡頭最高分辨率的光線應與照明波長、CCD器件接受波長相匹配，并使光學鏡頭對該波長的光線透過率盡可能提高。在成像系統中選用適當的濾光片可以達到一些特殊的效果。另外，成像光路的設計還需要重視各種雜散光的影響。

　　相機是一個光電轉換器件，它將光學成像系統所形成的光學圖像轉變成視頻/數字電信號。相機通常由核心的光電轉換器件、外圍電路、輸出/控制接口組成。目前最常用的光電轉換器件為CCD，其特點是以電荷為信號，而不像其他器件輸出電流或者電壓信號。上世紀90年代，一種新的圖像傳感器開始興起，這種相機稱為CMOS（Complementary Metal Oxide Semiconductor，互補金屬氧化物半導體）相機。
　　對相機除了考察其光電轉換器件外，還應考慮系統速度、檢測的視野范圍、系統所要達到的精度等因素。
　　相機輸出的模擬視頻信號并不能為計算機直接識別，圖像采集卡通過對模擬視頻信號的量化處理將模擬視頻信號數字化，形成計算機能直接處理的數字圖像，并提供與計算機的高速接口。圖像采集卡需要實時完成高速、大數據量的圖像數據采集，必須與相機協調工作，才能完成特定的任務。除A/D轉換外，圖像采集卡還具備其他一些功能，包括:
　　● 接收來自數字相機的高速數據流，并通過計算機高速總線傳輸至系統存儲器;
　　● 對多通道圖像接收、處理和重構;
　　● 對相機及系統其他模塊進行功能控制。
　　圖像和視覺信息處理
　　上述機器視覺系統的前端環節，包括光源、鏡頭、相機等，都是為圖像和視覺信息處理模塊準備素材。這一模塊才是機器視覺系統的關鍵和核心，它通過對圖像的處理、分析和識別實現對特定目標和特征的檢測。這一模塊包括機器視覺處理軟件和處理硬件平臺兩個部分，其中視覺處理軟件可以分為圖像預處理和特征分析理解兩個層次。圖像預處理包括圖像增強、數據編碼、平滑、銳化、分割、去噪、恢復等過程，用于改善圖像質量。圖像特征分析理解是對目標圖像進行檢測和各種物理量的計算，以獲得對目標圖像的客觀描述，主要包括圖像分割、特征提?。◣缀涡螤?、邊界描述、紋理特性）等。
　　機器視覺中常用的算法包括: 搜索、邊緣（Edge）、Blob分析、卡尺工具（Caliper Tool）、光學字符識別、色彩分析。
　　優秀的機器視覺軟件可對圖像中目標特征進行快速而準確的檢測，對圖像的適應性強; 而不好的軟件則存在速度慢、結果不準確、魯棒性差的缺點。