机器视觉系统是综合现代计算机、光学、电子技术的高科技系统。机器视觉技术通过计算机对系统摄取的图像进行处理，分析其中的信息，并做出相应的判断，进而发出对设备的控制指令。机器视觉系统的具体应用需求千差万别，视觉系统本身也可能有多种不同的形式，但都包括以下过程：
      图像采集：利用光源照射被观察的物体或环境，通过光学成像系统采集图像，通过相机和图像采集卡将光学图像转换为数字图像，这是机器视觉系统的前端和信息来源。
      图像处理和分析：计算机通过图像处理软件对图像进行处理，分析获取其中的有用信息。如电子元器件pin脚是否平整、冲压件表面是否存在缺陷、瓶盖表面存在哪些文字以及文字是否完整等。这是整个机器视觉系统的核心。
      判断和控制：图像处理获得的信息最终用于对对象（被测物体、环境）的判断，并形成对应的控制指令，发送给相应的机构。如摄取的冲压件图像中，计算冲压件的尺寸是否与标准一致，不一致则发出报警，做出标记或进行剔除。
      在整个过程中，被测对象的信息反映为图像信息，进而经过分析，从中得到特征描述信息，最后根据获得的特征进行判断和动作。最典型的机器视觉系统一般包括：光源、光学成像系统、相机、图像采集卡、图像处理硬件平台、图像和视觉信息处理软件、通信模块。
      总体上，一个成功的机器视觉系统需要重点解决图像采集（包括光源、光学成像、数字图像获取与传输）、图像处理分析几个环节的关键技术。

      照明设计
      照明是机器视觉系统中极其重要而又容易为人忽视的环节。其设计是机器视觉系统设计的重要步骤，直接关系着系统的成败和性能。因为照明直接作用于系统的原始输入，对输入数据质量的好坏有直接的影响。光源决不仅仅是为了照亮物体，通过有效的光源设计可以令需要检测的特征突出，同时抑制不需要的干扰特征，给后端的图像处理带来极大的便利。而不恰当的照明方案会造成图像亮度不均匀，干扰增加，有效特征与背景难以区分，令图像处理变得极其困难，甚至成为不可能完成的任务。
      照明设计主要包括三个方面： 光源、目标和环境的光反射和传送特性、光源的结构。由于被测对象、环境和检测要求千差万别，因而不存在通用的机器视觉照明设备，需要针对每个具体的案例来设计照明的方案，要考虑物体和特征的光学特性、距离、背景，根据检测要求具体选择光的强度、颜色和光谱组成、均匀性、光源的形状、照射方式等。
      光学成像系统与相机
      机器视觉系统中，镜头相当于人的眼睛，其主要作用是将目标的光学图像聚焦在图像传感器（相机）的光敏面阵上。视觉系统处理的所有图像信息均通过镜头得到，镜头的质量直接影响到视觉系统的整体性能。一旦信息在成像系统有严重损失，在后面的环节中试图恢复是非常困难的。合理选择镜头、设计成像光路是视觉系统的关键技术之一。
      镜头成像或多或少会存在畸变。较大的畸变会给视觉系统带来很大困扰，在成像设计时应对此有详细的考虑，包括选用畸变小的镜头，有效视场只取畸变较小的中心视场等。镜头另一个特性是其光谱特性，主要受镜头镀膜的干涉特性和材料的吸收特性影响。要求尽量做到镜头最高分辨率的光线应与照明波长、CCD器件接受波长相匹配，并使光学镜头对该波长的光线透过率尽可能提高。在成像系统中选用适当的滤光片可以达到一些特殊的效果。另外，成像光路的设计还需要重视各种杂散光的影响。
      相机是一个光电转换器件，它将光学成像系统所形成的光学图像转变成视频/数字电信号。相机通常由核心的光电转换器件、外围电路、输出/控制接口组成。目前最常用的光电转换器件为CCD，其特点是以电荷为信号，而不像其他器件输出电流或者电压信号。上世纪90年代，一种新的图像传感器开始兴起，这种相机称为CMOS相机。
      对相机除了考察其光电转换器件外，还应考虑系统速度、检测的视野范围、系统所要达到的精度等因素。
      相机输出的模拟视频信号并不能为计算机直接识别，图像采集卡通过对模拟视频信号的量化处理将模拟视频信号数字化，形成计算机能直接处理的数字图像，并提供与计算机的高速接口。图像采集卡需要实时完成高速、大数据量的图像数据采集，必须与相机协调工作，才能完成特定的任务。除A/D转换外，图像采集卡还具备其他一些功能，包括：
      1、接收来自数字相机的高速数据流，并通过计算机高速总线传输至系统存储器；
      2、对多通道图像接收、处理和重构；
      3、对相机及系统其他模块进行功能控制。
      图像和视觉信息处理
      上述机器视觉系统的前端环节，包括光源、镜头、相机等，都是为图像和视觉信息处理模块准备素材。这一模块才是机器视觉系统的关键和核心，它通过对图像的处理、分析和识别实现对特定目标和特征的检测。这一模块包括机器视觉处理软件和处理硬件平台两个部分，其中视觉处理软件可以分为图像预处理和特征分析理解两个层次。图像预处理包括图像增强、数据编码、平滑、锐化、分割、去噪、恢复等过程，用于改善图像质量。图像特征分析理解是对目标图像进行检测和各种物理量的计算，以获得对目标图像的客观描述，主要包括图像分割、特征提取（几何形状、边界描述、纹理特性）等。
      总体而言，机器视觉是一个光机电计算机高度综合的系统，其性能并不仅仅由某一个环节决定。每一个环节都很完美，也未必意味着最终性能的满意。系统分析和设计是机器视觉系统开发的难点和基础，急需加强。
      另外，在现场环境应用中，振动、粉尘、电磁干扰会严重影响系统的工作，这些问题都是设计和开发时应注意的。