機器視覺工程應用主要可劃分為硬體和軟體兩大部分。

硬體：工程應用的第一步就是硬體選型。硬體選型很關鍵，因為它是你後面工作的基礎。主要是光源、工業相機和鏡頭選擇。

軟體：目前業內商業庫主要有Halcon，康耐視，DALSA，evision，NI等，開源庫有OpenCV.其中NI的labview+vision模組。

機器視覺工程應用的基本開發思路是：

一、影象採集，二、影象分割，三、形態學處理，四、特徵提取，五、輸出結果。

下面在Halcon下對這四個步驟進行講解。

一、影象採集：

Halcon通過imageacquisition interfaces對各種影象採集卡及各種工業相機進行支援。其中包括：模擬視訊訊號，數字視訊訊號Camera Link,數字視訊訊號IEEE 1394,數字視訊訊號USB2.0,數字視訊訊號Gigabit Ethernet等。 
Halcon通過統一的介面封裝上述不同相機的image acquisition interfaces,從而達到運算元統一化。不同的相機只需更改幾個引數就可變更使用。

Halcon影象獲取的思路：1、開啟裝置，獲得該裝置的控制代碼。2、呼叫採集運算元，獲取影象。

1、開啟裝置，獲得該裝置的控制代碼。

open_framegrabber('DahengCAM', 1, 1, 0, 0, 0, 0, 'interlaced', 8, 'gray', -1, 'false','HV-13xx', '1', 1, -1, AcqHandle) //連線相機，並設定相關引數

2、呼叫採集運算元，獲取影象。

grab_image (Image, AcqHandle) //（同步採集）完後處理影象，然後再採集影象。採集影象的速率受處理速度影響。

grab_image_async (Image, AcqHandle,MaxDelay) //（非同步採集），一幅畫面採集完後相機馬上採集下一幅畫面，不受處理速度影響。其中第三個引數為：MaxDelay，表示非同步採集時可以允許的最大延時，本次採集命令距上次採集命令的時間不能超出MaxDelay，超出即重新採集。

影象採集其他相關運算元：

     grab_image_start，該運算元開始命令相機進行非同步採集。只能與grab_image_async（非同步採集）一起使用。

例子：

* Select a suitable image acquisition interface nameAcqName

open_framegrabber(AcqName,1,1,0,0,0,0,'default',-1,'default',-1.0,\

                 'default','default','default',-1,-1,AcqHandle)

grab_image(Image1,AcqHandle)//進行同步採集

* Start next grab

grab_image_start(AcqHandle,-1.0)//命令相機進行非同步影象採集開始

* Process Image1 ...

* Finish asynchronous grab + start next grab

grab_image_async(Image2,AcqHandle,-1.0)//讀取非同步採集的影象

* Process Image2 ...

close_framegrabber(AcqHandle)

3、相機引數讀寫

讀取相機引數：

info_framegrabber( : : Name, Query : Information, ValueList)

寫相機引數：

set_framegrabber_param( : : AcqHandle, Param, Value : )

二、影象分割：

影象分割的定義： 
所謂影象分割是指將影象中具有特殊含義的不同區域分割開來，這些區域是互相不交叉的，每個區域都滿足特定區域的一致性。

1、基於閾值的影象分割

threshold —採用全域性閾值分割影象。

格式：    threshold(Image : Region : MinGray, MaxGray : )

自動全域性閾值分割的方法：

（1）計算灰度直方圖 
（2）尋找出現頻率最多的灰度值（最大值） 
（3）在threshold中使用與最大值有一定距離的值作為閾值

程式碼：

gray_histo(Regions, Image，AbsoluteHisto, RelativeHisto) //計算出影象區域內的絕對和相對灰度值直方圖。

PeakGray := sort_index(AbsoluteHisto)[255] //求出出現頻率最多的灰度值

threshold(Image,Region,0,PeakGray-25)

bin_threshold — 使用一個自動確定的閾值分割影象。

格式：    bin_threshold(Image : Region : : )

dyn_threshold —使用一個區域性閾值分割影象。

格式：    dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )

例子：

mean_image(Image,Mean,21,21)

dyn_threshold(Image,Mean, RegionDynThresh,15,'dark')

var_threshold —閾值影象區域性均值和標準差的分析。

格式：    var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : ) 

2、基於邊緣的影象分割：尋找區域之間的邊界

watersheds —從影象中提取分水嶺和盆地。

格式：    watersheds(Image : Basins, Watersheds : : )

watersheds_threshold —使用閾值從影象中提取分水嶺和盆地。

格式：    watersheds_threshold(Image : Basins : Threshold : )

3、基於區域的影象分割：直接建立區域

三、形態學處理

形態學處理以集合運算為基礎。

腐蝕、膨脹、開操作、閉操作是所有形態學影象處理的基礎。

開操作（先腐蝕再膨脹）使物件的輪廓變得光滑，斷開狹窄的間斷和消除細的突出物。

閉操作（先膨脹再腐蝕）消彌狹窄的間斷和長細的鴻溝，消除小的孔洞，填補輪廓線的斷裂。

形體學基礎運算元：

erosion1 
dilation1 
opening 
closing

常用的形態學相關運算元 
connection 
select_shape 
opening_circle 
closing_circle 
opening_rectangle1 
closing_rectangle1 
complement 
difference 
intersection 
union1 
shaps_trans 
fill_up

形態學高階運算元： 
boundary 
skeleton

四、特徵提取：

1、區域特徵：

area 
moments

smallest_rectangle1

smallest_circle

convexity：區域面積與凸包面積的比例

contlength：區域邊界的長度

compactness

2、灰度特徵

estimate_noise

select_gray

五、輸出結果：

（1）獲取滿足條件的區域

（2）區域分類，比如OCR

（3）測量

（4）質量檢測

原文連結：https://www.cnblogs.com/hanzhaoxin/archive/2013/02/15/2912879.html