每天,我們睜開眼都會看見這個多彩的世界,五彩斑斕的花朵、湛藍的天空、還有親人熟悉的笑容,對于每一個健康人一出生便享有上天賜予的美好特權,我們可以通過眼鏡感知這個世界。

然而,你們知道視覺對于機器人是多么難能可貴嗎?我們平時所說的計算機視覺和機器視覺又有什么區別呢?
首先,計算機視覺和機器視覺系統共享大部分相同的組件和要求:
· 可以使用圖像捕獲板或幀抓取器(在一些使用現代接口的數碼相機中,不需要幀抓取器)· 通過計算機或內部系統處理圖像的軟件,如許多“智能”相機
計算機視覺是采用圖像處理、模式識別、人工智能技術相結合的手段,著重于一幅或多幅圖像的計算機分析。
機器視覺則偏重于計算機視覺技術工程化,能夠自動獲取和分析特定圖像,以控制相應的行為。
1.計算機視覺
計算機視覺是指用攝像機和電腦及其他相關設備,對生物視覺的一種模擬。它的主要任務是通過對采集的圖片或視頻進行處理以獲得相應場景的三維信息,就像人類和許多其他類生物每天所做的那樣。

計算機視覺的目標是使計算機能像人那樣通過視覺觀察和理解世界,具有自主適應環境的能力。但能真正實現計算機能夠通過攝像機感知這個世界卻是非常之難,因為雖然攝像機拍攝的圖像我們平時所見一樣,但對于計算機來說,任何圖像都只是如下圖右半邊所示的像素值排列,是一堆死板的數字。如何讓計算機從這些死板的數字里面讀取到有意義的視覺線索,是計算機視覺應該解決的問題。

然而,計算機視覺發展多年,卻依然存在著一系列難以解決的難題。目前人們掌握的具體計算機視覺任務的方法,也僅僅適用于狹隘的人臉識別、指紋識別等簡單任務,無法廣泛的應用于不同場合。不過,也有學者認為,隨著機器學習方法的日漸普及以及大數據科技的應用,計算機視覺實現質的突破也是指日可待的。
2.機器視覺
視覺即使用數學功能分析數字圖像,當使用于工業領域我們稱之為機器視覺。簡單來說,就是用機器代替人眼來做測量和判斷。
大多數制造商都使用自動化機器視覺代替人工檢測員,因為其更適合執行重復性檢測任務。機器視覺更快速、更客觀并且能夠連續工作。機器視覺每分鐘可以檢測數百甚至數千個元件,全天候(24 × 7)提供更一致、更可靠的檢測結果。

機器視覺系統指通過圖像采集設備(工業相機或視覺傳感器)把圖像抓取到,然后將該圖像傳至處理單元,通過數字化處理,根據像素的分布,亮度,顏色等信息,來進行尺寸,形狀,顏色等的判斷,進而根據判斷的結果,來控制現場的設備動作。
機器視覺能夠做些什么?
我們從下面列出的典型機器視覺檢測任務中就可以看出機器視覺的用途廣泛性和行業。
范圍:
? 確定物品的位置,比如驗證標簽位置的正確性。
? 保證醫療產品包裝的完整性,比如檢查小藥瓶是否完全封閉,是否使用了防篡改密封進
行保護。
? 驗證物品的屬性是否符合質量標準,如汽車變速器中使用的膠珠的位置和體積。? 檢驗制成品和識別缺陷,如表面刮痕、針尖彎曲、焊料痕跡不完整等。? 計數項目數量,如泡罩包裝內的藥片、盒子里的瓶子、套件內的組成部分等。? 檢查成品裝配件的特征,如消費者安全插件是否插入、裝配操作是否完成等。? 在元件出現不合格情況之前,檢測加工操作中使用的刀具是否磨損。在了解了食品、飲料、醫藥和醫療設備及汽車行業的一些具體應用示例后,您可能開始對機器視覺如何能夠支持您的制造流程有了一些感受。
3.計算機視覺與機器視覺的異同

毋庸置疑,計算機視覺與機器視覺在技術和應用領域上都有相當大的重疊,這表明這兩個學科的基礎理論大致是相同的,但細究其機理,確實也有一些不同之處:
計算機視覺的研究對象主要是映射到單幅多幅圖像上的三維場景。
計算機視覺的研究很大程度上是針對圖像的內容。
如下圖所示,如何讓計算機判斷出圖片中都是貓,才是計算機視覺研究的內容。

機器視覺主要是指工業領域的視覺研究,例如自主機器人的視覺,用于檢測和測量的視覺。
這表明在這一領域通過軟件硬件,圖像感知與控制理論往往與圖像處理得到緊密結合來實現機器人控制或各種實時操作。舉個不恰當的例子,還是上圖中的貓,機器視覺是觀察上圖中成百上千個某一特定形態的貓,發現哪只貓缺只耳朵,然后把它剔除出去。
