其目的在于用轮廓线和区域对所分析的图像进行描述，以便同机内存储的模型进行比较匹配。实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，即把目标分为若干子目标的分析方法，运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的方法不必求助于诸如**小二乘法匹配之类的数值计算程序。 70年代，机器视觉形成几个重要研究分支：①目标制导的图像处理；②图像处理和分析的并行算法；对比度定义为在特征与其周围的区域之间有足够的灰度量区别。贵州机器视觉滤光片
从二维图像提取三维信息；④序列图像分析和运动参量求值；⑤视觉知识的表示；⑥视觉系统的知识库等。 机器视觉***发现 编辑 机器视觉的阿喀琉斯之踵：据麻省理工《技术评论》报道，来自谷歌和OpenAI研究所的研究人员发现了机器视觉算法的一个弱点：机器视觉会被一些经过修改的图像干扰，而人类可以很容易地发现这些图像的修改之处。 [7] 机器视觉应用领域 编辑 机器视觉的应用主要有检测和 机器人视觉两个方面： ⒈ 检测：又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）江苏使用机器视觉购买当光源不够亮时，可能有三种不好的情况会出现。
电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了***的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其他各个领域。 [6] 而在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。目前国内机器视觉大多为国外品牌。国内大多机器视觉公司基本上是靠代理国外各种机器视觉品牌起家。
1． 图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致。 2． 杂质的形状难以事先确定。 3． 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声。 4． 在流水线上，对布匹进行检测，有实时性的要求。 由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。 Color检测 一般而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个 像素都由红（R）绿（G）蓝（B）三个成分组成，来表示RGB色彩空间中的一个点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。获得一张高质量的可处理的图像是至关重要。
机器视觉工作原理 编辑 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给**的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。 机器视觉典型结构 编辑 一个典型的机器视觉系统包括以下五大块： 机器视觉照明 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。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。贵州机器视觉滤光片
从功能上来看，典型的机器视觉系统可以分为。贵州机器视觉滤光片
将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。 ⒓ 金属表面的裂纹测量： 用微波作为信号源，根据微波发生器发出不同波涛率的方波，测量金属表面的裂纹，微波的波的频率越高，可测的裂纹越狭小。 机器视觉发展趋势 编辑 机器视觉有如下的发展趋势。 [9] 机器视觉价格持续下降 目前，在我国机器视觉技术还不太成熟，主要靠进口国外整套系统，价格比较昂贵.随着技术的进步和市场竞争的激烈，价格下降已成必然趋势，这意味着机器视觉技术将逐渐被接受。 机器视觉功能逐渐增多 更多功能的实现主要来自于计算能力的增强，更高分辨率的 传感器，更快的扫描率和软件功能的提高，PC处理器的速度在得到稳步提升的同时，其价格也在下降，这推动了更快的总线的出现，而总线又反过来允许具有更多数据的更大图像以更快的速度进行传输和处理。贵州机器视觉滤光片
