机器视觉需要掌握哪些知识？

为了回答这个问题，我们可以对机器的视觉系统进行分析。

简单的机器视觉系统包括：

视觉成像部分。

图像处理部分。

运动控制部分。

视觉成像部分。

视觉成像还包括几个典型的组件：光源、镜头、工业相机。

光源和镜头都必须大家把握光学专业知识，不一样的打光方法，能够让相机对物件造成彻底不一样的影像；而镜头的倍数、焦距、视线等的挑选不一样立即决策了影像的逼真。针对一名机器设备视觉师而言，把握怎样挑选镜头，怎样挑选光源，怎样确定打光方法是基础的专业技能。

工业相机需要我们掌握光电知识，掌握相机传感器的区别，掌握清晰度、动态范围、视场角度等图像成像的基础知识，让我们依据需求和场景选择合适的相机，买一台入门单反来研究这些成像参数和成像的关系，快掌握这些知识的方法。

2.图像处理部分。

我们通常理解的图像处理是在PC机上进行的。事实上，在工业领域，由于其稳定性和成本优势，大多数采用工控机。

近年来，随着嵌入式硬件的发展，嵌入式硬件也在蓬勃发展。许多工厂可以使用树莓派等开源硬件来实现小型需求，如控制数百台仪表盘的开关和状态监测。

对入门者而言，对PC平台的优先掌握，X86平台的开发，在熟悉可延伸至嵌入式平台。

在软件部分，大多数应用层使用C#、.net、QT、C++来实现，所以掌握其中一种编程语言是必要的；在图像算法层面，典型的开源算法包括opencv、商业halcon、visionpro等。建议你可以从halcon开始；如果你想在算法层面上进一步深入，你可以学习机器学习，这可能是未来的主要方向。

本书《机器视觉算法与应用》在理论方面，更多的是掌握图像处理的基本概念，值得一看。

3.运动控制部分。

可以研究典型的运动控制卡，如固高卡。更先进的PLC也可以玩。这一部分的困难在于度的矫正，因为许多场景和需求对精度有很高的要求。

除上述三点外，由于方案需要将这些部分串联起来，并能与实际场景联系起来，以满足实际生产自动化需要，因此整体方案的构建能力非常重要。

整体方案的构建能力取决于：

深入了解生产工艺。

深入了解所有组成部分之间的衔接，关系。

为了给出一套好的方案，这两点都需要经过多个项目的经验积累。