機器視覺（Machine Vision）是人工智能（néng）領域中發展（zhǎn）迅速的一個重要分支，目前正處於不斷突破、走向（xiàng）成熟的階段。一般認為（wéi）機器視覺（jiào）“是通過光學裝置（zhì）和非接觸傳感器自動地接受和處理一個真實場景的圖像，通過分析圖像獲得所需（xū）信息或用於控製機器運動的裝置”，可以看出智能圖像處理技術在機（jī）器視覺中占有舉足輕重的位（wèi）置。 　　

    智能圖像處理是指（zhǐ）一類基於計算機的自（zì）適應於各種應用場合的圖像處理和分析技術，本身是一個獨立的理論和技術領域，但同時又是機器視覺中的一項十分重（chóng）要的技術支撐。 　　

    具有（yǒu）智能圖像處理（lǐ）功能的機器視覺（jiào），相當於人們在賦予機（jī）器智能的（de）同時為機器按上了（le）眼睛（jīng），使機器能夠“看（kàn）得見”、“看得準”，可替代甚至（zhì）勝過人眼做測量和判斷，使得機器（qì）視覺係統可以（yǐ）實（shí）現高分辨率和高速度的控製。而且，機器視覺（jiào）係統與被檢測對象無接觸，安全可靠。 　　

   1.機器視覺技術 　　

    機器視覺（jiào）的起源可追溯到20世紀（jì）60年代（dài）美國學者L.R.羅伯茲（zī）對多麵體積木世界的（de）圖像處理研究，70年代麻省理工學院（MIT）人（rén）工智（zhì）能實驗室“機器視覺”課程（chéng）的開設。到80年代，全球性機器視覺研究熱潮開始興起，出現了一些基於機器視覺的應用係統。90年代以後，隨著計算機和半（bàn）導體技術的飛速發展，機器視覺的理論和應用得到（dào）進一步發展。 　　

    進入21世紀後，機（jī）器視覺技術的發展速度更快，已經（jīng）大規模地應用於（yú）多個領域，如智能製造、智能交通、醫療衛生、安防監控等領域（yù）。目前，隨著人工智能浪潮（cháo）的興起，機器視覺技術正（zhèng）處於不斷突破（pò）、走向成熟的新階段（duàn）。 　　

    在中國，機器視覺的研究和應用開（kāi）始於（yú）20世紀90年代。從跟蹤國外（wài）品牌產（chǎn）品起步，經過二十多年的（de）努力，國內的機（jī）器視覺從無到有，從弱（ruò）到強，不僅理（lǐ）論（lùn）研究進展（zhǎn）迅速，而且已經出現一些頗具（jù）競爭力的公司（sī）和產品。估計隨著（zhe）國內對機器視覺研究（jiū）、開發和推廣的不斷深入，趕上和超越世界水平已不是遙不可及的事（shì）情了。 　　

    常見（jiàn）機器視覺係統主要（yào）可分為兩類，一類（lèi）是基於計算機的，如工控機或PC，另（lìng）一類是更加緊湊的（de）嵌入式設備。典型的基於工控機的機（jī）器視覺係統主要包括：光學係統（tǒng），攝像機和（hé）工控（kòng）機（jī）（包含圖像采集、圖像（xiàng）處理和（hé）分析、控製（zhì）/通信）等單元。機器（qì）視覺係統對核心的圖像處理要求（qiú）算法準確、快捷和穩定，同時還要求係統的實現成本（běn）低，升級換（huàn）代方便。 　　

    2.智能圖（tú）像處（chù）理技（jì）術 　　

    機器視覺的圖像（xiàng）處理係統對現場的數字圖（tú）像信號按（àn）照（zhào）具體的應用要求進行運算和分（fèn）析，根據獲得的（de）處理結果來控製現（xiàn）場設備的動作，其常見功能（néng）如下： 　　

  （1）圖像采集 　　

    圖像采集就是從工作（zuò）現場獲取場景圖像的過（guò）程，是機器（qì）視（shì）覺的第一步，采集工具大多為CCD或CMOS照相（xiàng）機或攝像機。照相機采集的是單（dān）幅的圖像，攝像機可以采集連續的現場圖像。就一幅圖像而言，它實際上是三維場景在二（èr）維圖像平（píng）麵上的投影，圖像中某一點（diǎn）的彩色（亮度和色度）是場景中對應點彩色（sè）的反映。這就（jiù）是我們可以用采（cǎi）集圖像來替代真實場景的根本依（yī）據所在。 　　

    如果相機是模擬信號輸出，需要（yào）將（jiāng）模擬圖像信號數字化後送給計算機（包括嵌入式係統）處（chù）理（lǐ）。現在大部（bù）分（fèn）相機都可直接輸出數字圖像信號，可以免除模數（shù）轉換這一步驟。不僅如此，現在相機的數（shù）字輸出接口也是標準化的，如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直（zhí）接送入計算機（jī）進行處理，以免除（chú）在圖像（xiàng）輸出和（hé）計算機之間加接一塊圖像采（cǎi）集卡（kǎ）的麻煩。後續的圖像處理工作往（wǎng）往是由計算機或嵌入式係統以（yǐ）軟件的方式進行。 　　

  （2）圖像預處理 　　

    對於采集到（dào）的數字化的現場（chǎng）圖像，由於受到設備和環境因素的影響，往往會受到不同程度的幹擾，如噪聲、幾何形變、彩色失調等，都會妨礙接下來的處理環節。為此，必（bì）須對采集圖像進行預處（chù）理。常（cháng）見（jiàn）的預處理包括噪聲消（xiāo）除、幾（jǐ）何校正、直方圖均衡等處理。 　　

    通常使用時域或（huò）頻域濾波的方法來去除圖像中的噪聲；采用幾何變換的辦法來校正圖像的幾（jǐ）何失真；采用直（zhí）方圖均（jun1）衡、同態濾波等方法來減輕圖（tú）像的彩色偏離。總之，通過這一係列的圖像預處理技術，對采集圖像進行“加工（gōng）”，為體機器視覺應用提供“更好”、“更有用”的圖像。 　　

   （3）圖像分割（gē） 　　

    圖像分割就是按照應用要求，把圖像（xiàng）分成各具特征的區域（yù），從中（zhōng）提取出感興趣目標。在圖像中常見（jiàn）的特征有灰度、彩色、紋理、邊緣、角點等。例如，對汽車裝配流水線（xiàn）圖像進行分割，分成背景（jǐng）區（qū）域和工件區域，提供（gòng）給後（hòu）續處理單元對工件安（ān）裝部分的（de）處理。 　　

    圖像分割多年來一直是圖像（xiàng）處理中（zhōng）的難題，至今已有種類繁多的分（fèn）割算法，但是效果往往並不理（lǐ）想。近來，人們利（lì）用基於神經網絡的深度學習方法進行圖像分割，其性能勝過傳統算法。 　　

   （4）目標識別和分類 　　

    在製造或安防等行（háng）業，機器視覺（jiào）都離不開對輸入圖像的目標進（jìn）行（háng）識別和分類處理，以便在（zài）此基礎上完（wán）成後續的判斷和操作。識別和分類（lèi）技術有很（hěn）多相同的地方，常常在目標識別完成後，目標的類別也（yě）就明確了。近來的圖像識別技術正（zhèng）在跨越傳統方法，形成（chéng）以神經網絡為主流的智能化圖像識別方法，如卷積神經網絡（CNN）、回歸神（shén）經（jīng）網絡（RNN）等一類性能優越的方法。 　　

   （5）目標定位和測量 　　

    在智能製（zhì）造中，最常見的工作（zuò）就是對目標工件進行安裝，但是在安裝前往往需要先對目標進行定位，安裝後還需對目標進行測量。安裝和測量都需要保持較（jiào）高的精度和速度，如毫米級精度（甚至更小），毫秒級速度。這種高（gāo）精度、高（gāo）速（sù）度的（de）定位和測量，倚（yǐ）靠通常的機（jī）械或人工的方（fāng）法是難以辦到的。在機器視覺中，采（cǎi）用圖像處（chù）理的辦法，對安裝現場（chǎng）圖像進行處理，按照目標和圖像之間的複雜映射關係進行處理，從而快速精（jīng）準地完成定位和測量（liàng）任務（wù）。 　　

   （6）目標檢測和跟蹤 　　圖像處理中（zhōng）的運動目標檢（jiǎn）測和跟蹤，就是實時檢測攝像機捕獲的場景圖像中是否有運動（dòng）目（mù）標，並預測它下一步的（de）運動方向和趨勢，即跟蹤。並及時將這些運動數據提交給後續的分析和控製處理，形成（chéng）相應的控製動作。圖像采（cǎi）集一般使（shǐ）用單（dān）個攝像機，如果需要也可以使用兩個攝像機，模仿人的雙目視覺而獲得（dé）場景的立體信息，這樣（yàng）更加有利於目標檢測和跟蹤處理。 　　

    3.機器視覺的應用 　　

    機（jī）器視覺應用廣泛，如安防、製造、教育、出版、醫療、交通、軍事領域等。在（zài）這些機器數額的應用中，智能圖像處理都是不可（kě）或缺的，這裏僅簡要介紹其中幾個方麵的應用。 　　

   （1）智能製（zhì）造 　　

    為了實現中國智能製（zhì）造2025這（zhè）一宏偉（wěi）目標，離不開機器視覺。例如，在智能圖像處理一直處於領先地位的廣東迅通科技股份有限公司（以下簡稱“迅通科技”）針對這一需求開發出了機器視（shì）覺分析儀平台。其中，迅通科技為某知名汽車廠商裝配流水線開發（fā）的車門限位器自動定位、檢測和識別的係統（tǒng）。該係統通過智（zhì）能圖像識（shí）別方式，自動檢測型號是否（fǒu）正確，定位是否準確，完全代替了人工操作，檢測準確率達到100%。此前，每個工位需要4個工人用眼睛來檢查、定位16種型號限位器，員工不僅很容易疲勞，還時常出現差錯。 　　

   （2）教育考試 　　

    考試試卷時常發現因排版或印刷錯（cuò）誤影響學生考試，利用智能圖（tú）像處理技術，機器自動對印刷後的試卷和原版（bǎn）試卷進行（háng）比對，發現不一致之處，會自動提示並報警，完全替代（dài）之（zhī）前隻（zhī）能通過人工對試卷進行校驗。 　　

   （3）出版印刷 　　

    和教育考試類似，專業出版（bǎn）印刷廠由於印刷的圖書、報紙雜誌，以及（jí）承接來自企業產品包裝和宣傳資料的種類多，數量大，排版和印刷中（zhōng）經常出錯。為此，需安排（pái）不少專業人員進行校對，耗費大量（liàng）的資金（jīn）和（hé）時間。通過利用智能圖（tú）像處理（lǐ）技術（shù）進行自動校對，既提高了校對準確（què）度，又縮短了校對時間（jiān），降低（dī）了印刷成本，縮短了出版物的交付周（zhōu）期（qī）。 　　

   （4）安防監控 　　

    這是當前備受機器視覺關注的一個領域。機器視覺打破了傳統視頻監控係統（tǒng）的限製，增加了係統的智能，使得智能視頻分析得以逐步實現。以公共（gòng）場所的視頻監控為例，通（tōng）過運用機器視覺（jiào）技術，可（kě）以實現對可（kě）疑人物的自（zì）動檢測、人臉識別、實（shí）時跟蹤，必要時還可以（yǐ）實現多攝像機接連跟蹤，同時發出告警，存儲（chǔ）現場信（xìn）息。 　　

   （5）智能交通 　　

    機器視覺在交通領（lǐng）域有著廣泛的應用（yòng）。例如，在高速公路上及卡口處，對來往車輛進行車型、牌照等識別（bié），甚至對行駛車輛的違（wéi）規行為（wéi）進行識別。在汽車（chē）上對駕駛員（yuán）麵部圖像進行（háng）分（fèn）析，判斷（duàn）駕駛員是否處於疲勞駕駛狀（zhuàng）態。再如，無（wú）人駕駛汽車借助於機器視（shì）覺技術，使用攝像頭、激光/毫米波/超（chāo）聲波雷達、GPS等感（gǎn）知道路環境信息，自動規劃和控（kòng）製車輛的安全行駛（shǐ）。 　　

    有數據（jù）顯示，2016年全球機器視覺係統的市（shì）場規模約46億（yì）美元， 2017年約50億美元，預計2018年達到55億美元，年增長率為10%左右。中國機器視覺（jiào）市場（chǎng）的增長是從2010年開始的，2017年（nián）市場規模約68億元，預計到2020年或達780億元，市場（chǎng）增長率將超過（guò）100%。 　　

    4.技術瓶頸及（jí）今後的發展 　　

    在機（jī）器視覺的智能圖像處理技術的發展中，還存在（zài）不少技術瓶頸，如： 　　

    1）穩定性：某種處理方法往往在研究和開（kāi）發中（zhōng）表現良好，但在複雜多變的應（yīng）用環境中，卻不時地出現問題（tí）。例如人臉識別係統，在目（mù）標配合時識別率可高達95%以上，但在實際監（jiān）控環境下，識別率就（jiù）會大大下降。 　　

    2）實時性：如果圖像的采（cǎi）集速度、處（chù）理（lǐ）速度較（jiào）慢，再加上新近引入的深度學習類算法，加大了係統實時處理的（de）難度，跟不上機器運行和（hé）控製（zhì）的節奏。 　　

    3）準確性：機器視覺係統要求圖像識別和測量（liàng）的準確性接近100%，任何微小的誤差都有可能帶（dài）來不可（kě）預（yù）測的（de）後果。例如目標定位的誤差（chà）會使裝配（pèi）出來的設備（bèi）不符合要求。 　　

    4）係統能力：目前的嵌入式圖像處理係統，存在芯片的計算能力不足，存儲空間有限等（děng）問題，常常（cháng）不能滿足運算量較大（dà）的圖像處理運算（suàn），如神經網絡的迭代運算，大規（guī）模矩陣運（yùn）算等。 　　

    今（jīn）後機器視覺中智能圖像處理的發展主要體現在以下幾（jǐ）個方麵（miàn）： 　　

    1）算法：傳統算法繼續（xù）不（bú）斷有所突破，新一波人工智能浪潮帶來不少新的性能優良（liáng）的圖（tú）像處理算法，如深度學習（DL），卷積神經網絡（CNN），生成對抗網絡（GAN），等等。 　　

    2）實（shí）時（shí）性：出現更多結構新穎、資源充足、運算快速的硬件平台支撐（chēng），例如基於（yú）多CPU、多GPU的並（bìng）行處理結構的計算機，海量存（cún）儲單元等。 　　

    3）嵌入式：新的高速的信號處理器陣列，超大規模FPGA芯片。 　　

    4）融合（hé）處理：從（cóng）單圖（tú）像傳感器發展到多傳感器（多視點）的融合處理，可更加充分地獲取現場信息。還可融合多類傳感器，如圖像傳感器、聲音傳感器、溫度傳感（gǎn）器等共（gòng）同（tóng）完對現場目標（biāo）定（dìng）位、識別和測量。 　　

    總之，無論是“中國製造2025”還是“工業4.0”都離不開人（rén）工智能，離不開計算（suàn）機視覺，而智能圖像處理是機器視覺的核心技術（shù），隨著圖像處理水平的不斷提高，一定會有力地（dì）推動機（jī）器視（shì）覺的迅速發展。