機器視覺系統(tǒng)由眾多部件組成，其中包括相機、圖像采集卡、照明單元、光學(xué)元件與鏡頭、處理器、軟件及顯示設(shè)備等。簡單的機器視覺系統(tǒng)可以識別2D或3D條形碼，更復(fù)雜的系統(tǒng)可以確保檢測的元件滿足特定的容差要求、組裝正確、沒有缺陷。
     很多機器視覺系統(tǒng)配備了采用不同類型圖像傳感器的相機。為了確定相機可獲得的分辨率，重要的是理解這些傳感器可以分辨的每毫米線對數(shù)，而不是有效的像素點數(shù)。

        例如，在一個典型的2588×1958像素、500萬像素成像器中，大小為1.4μm2的像素可提供357lp/mm的分辨率；而一個640×480像素的VGA成像器，其像素大小為5.7μm2，可實現(xiàn)88lp/mm的分辨率。對于具有相同尺寸的成像器而言，像素越小，每毫米中就可分辨更多的線對數(shù)。
        選擇相機
        通常，機器視覺系統(tǒng)中使用的相機，可以通過USB3.0、以太網(wǎng)、FireWire、Camera Link及CoaXPress等接口將相機中捕捉到的圖像傳輸?shù)絇C系統(tǒng)中。
        目前，集成機器視覺照明、圖像捕捉及處理等功能的智能相機，正在為閱讀條形碼或檢測部件缺陷等自動化視覺任務(wù)提供經(jīng)濟型解決方案。盡管智能相機的處理器性能或許足以滿足這些任務(wù)的需求，但是更復(fù)雜或要求更高速度的任務(wù)則需要功能全面的視覺檢測軟件來配合視覺硬件。
        照明元件
        通過配備正確的機器視覺照明系統(tǒng)，能以高對比度重復(fù)捕捉圖像特征。如果照明的配備不正確，機器視覺系統(tǒng)的成功性、可靠性、可重復(fù)性和易用性都處于較大的風(fēng)險中。為了確保機器視覺系統(tǒng)配備正確的照明元件，工程師需要借助圖像照明實驗室檢測不同的照明選項。
        LED照明正在開始替代目前常用于機器視覺系統(tǒng)中的熒光燈、光纖鹵素?zé)艏半瘹忾W光燈光源，因為LED照明具有更高的一致性、更長的使用壽命和更好的穩(wěn)定性。LED照明可以提供各種各樣的色彩并能選通發(fā)光，這一特性在高速機器視覺應(yīng)用中非常有用。
        除了照明類型，另一個決定圖像成像的重要因素是光照到待測物體上的角度。兩種最常用的為物體提供照明的方式是：暗場照明和亮場照明。  

        暗場照明從較低角度照明物體，在一個非常平滑的如鏡面般的物體表面上，反射的光將超出相機的視野范圍。物體的表面將呈現(xiàn)為黑色，而通過相機捕捉到的物體表面發(fā)光的部分，就對應(yīng)著表面的缺陷或劃痕。
        亮場照明與暗場照明相反，亮場照明是在成像物體的上方打光，因此物體反射的光將處于相機的視場范圍內(nèi)。亮場照明配置中，物體表面上任何不連續(xù)處反射的光均無法被相機接收而顯示黑色。因此，該技術(shù)被用于為漫發(fā)射的非反射性物體提供照明。
        色彩效應(yīng)
        如果某個應(yīng)用要求使用彩色相機，則需要白光照明待檢測的元件。如果需要區(qū)分待檢測元件的顏色，則白光需要在整個波長范圍內(nèi)產(chǎn)生平等光譜，以便分析圖片中的顏色。
  通過黑白單色相機也可以識別圖像中的顏色，這種方法需要選擇合適的燈光照明圖像。圖中上面一行圖片是人眼觀察到的圖像效果，而下面一行的圖像則顯示了單色相機呈現(xiàn)出的圖像效果。  

        圖像處理算法 
        當(dāng)應(yīng)用算法處理圖像時，請考慮開發(fā)人員和終端用戶的技能及具體的視覺系統(tǒng)任務(wù)要求。
        易菲特提供了圖形化視覺檢測平臺（EMVP），使用戶通過簡單的培訓(xùn)便可以從中拖取設(shè)計好的功能，根據(jù)自身需求實現(xiàn)定制化視覺算法。
        算法類別
        圖像處理算法可以分為不同的類別，用于滿足不同的應(yīng)用需求。
        通過圖像數(shù)據(jù)的預(yù)處理，可以提取出圖像的特性。圖像閾值是圖像分割算法中最簡單的方法之一，該方法可用于從灰度圖像中生成二進制圖像，從而讓物體能夠從背景中分離出來。
        其他的運算符，如圖像濾鏡可以令圖像銳化、降低圖像噪音；而直方圖均衡可以增強圖像的對比度。預(yù)處理同樣涉及圖像分割，以定位圖像中具有相似屬性的物體或物體邊界，如顏色、亮度或材質(zhì)等。
        算法的應(yīng)用
        在眾多視覺系統(tǒng)中，決定一個元件或元件的某個特性是否存在非常重要。尺寸、形狀或顏色等屬性可以用于識別元件。對比分析、blob分析、模型匹配或幾何搜索工具可以在圖像上識別元件。
        為了將一個元件從其他元件中區(qū)分出來，可以使用相對簡單的功能，如邊緣檢測算子。如果需要精確地檢測出元件的位置，則需要執(zhí)行幾何搜索或blob分析。
  為了高速檢測元件或web上的缺陷，需要用到對比分析或模型圖像匹配算子。如果需要將缺陷歸類并檢測，blob分析或邊緣分析可以測量缺陷參數(shù)，并將其與已知的正常參數(shù)進行比較。
        在一些圖像檢測應(yīng)用中，可以利用超過圖像標(biāo)準(zhǔn)像素分辨率的精度，測量圖像中的線、點或邊緣的位置，獲得子像素分辨率。這可以通過對比物體邊緣像素的灰度級別與物體每個邊上的像素灰度級別來實現(xiàn)。