圖像處理模塊主要涉及圖像去噪、圖像增強與恢復、缺陷檢測和目標分割。
由于場景環(huán)境、CCD圖像的光電轉換、傳輸電路和電子元器件等都會使圖像產(chǎn)生噪聲，降低圖像質量，給圖像處理和分析帶來不利影響，因此需要對圖像進行預處理去除噪聲。圖像增強的目的是強調給定圖像的整體或局部特征，使原始不清晰的圖像清晰或強調一些有趣的特征，放大圖像中不同物體特征之間的差異，抑制不感興趣的特征，提高圖像質量，豐富信息量，增強圖像的解釋和識別效果。圖像恢復是通過計算機處理重建或恢復質量下降的圖像的過程。圖像復原往往采用與圖像增強相同的方法，但圖像增強的結果需要在下一階段進行驗證；然而，圖像恢復試圖利用退化過程的先驗知識來恢復已經(jīng)退化的原始圖像，例如加性噪聲和恢復運動模糊。圖像分割的目的是分割圖像中的目標區(qū)域，以便進一步處理。
圖像分析模塊主要涉及特征提取、特征選擇和圖像識別。
特征提取的作用是從圖像像素中提取能夠描述物體特征的表達式，并將不同物體之間的差異映射到低維特征空間，有利于壓縮數(shù)據(jù)，提高識別率。通常從表面缺陷檢測中提取的特征包括紋理特征、幾何特征、顏色特征、變換系數(shù)特征等。這些多信息特征向量用于可靠區(qū)分不同類型的缺陷；一般這些特征之間存在冗余信息，即不能保證特征集是的，好的特征集應該具有簡潔性和魯棒性。因此，需要進一步從特征集中選擇更有利于分類的特征，即特征選擇。圖像識別主要是根據(jù)提取的特征集訓練分類器，使其能夠正確分類識別表面缺陷的類型。
數(shù)據(jù)管理和人機界面模塊可以在顯示器上立即顯示缺陷類型、位置、形狀和尺寸，并對圖像進行存儲、查詢和統(tǒng)計。
機器視覺已廣泛應用于工業(yè)檢測、包裝印刷、食品工業(yè)、航空航天、生物醫(yī)學工程、軍事科技、智能交通、字符識別等領域。工業(yè)檢測領域是機器視覺應用中占比的領域，主要用于產(chǎn)品質量檢測、產(chǎn)品分類、產(chǎn)品包裝等。如零件裝配完整性檢查、裝配尺寸精度檢查、位置/角度測量、零件識別、PCB板檢查、印刷品檢查、瓶蓋檢查、玻璃、煙草和棉花檢查，以及指紋、汽車牌照、人臉和條形碼識別。表面質量檢測系統(tǒng)是工業(yè)檢測中極其重要的一部分。機器視覺表面缺陷檢測已經(jīng)在很多行業(yè)得到應用，涉及鋼板、玻璃、印刷、紡織、木材、瓷磚、鋼軌等涉及國計民生的行業(yè)和產(chǎn)品。
