【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】
目前关于机器视觉方面，相关的软件很多。比如说商业化的halcon、vision pro、vision master，当然也可以用opencv、pytorch自己写软件，这都是可以的。不过因为机器视觉项目部署的时间都比较短，而且对产品的稳定性和性能要求较高，所以如果自己写的话，简简单单使用第三方提供的api，一般是没有办法满足要求的。通常情况下，都需要自己对代码进行优化处理一下，这样才能够达到客户的要求。
那说了这么多，机器视觉软件一般有哪些功能呢？
1、图像预处理
图像预处理其实比较好理解，就是拿到图像之后做一些简单的处理。这部分处理之后的结果还是图像，但是输出的结果已经为最终我们的算法处理，做了一个很好的铺垫。比如说滤波、反转、旋转、边缘检测、二值化、膨胀、腐蚀等等，这些都是图像预处理的部分。我们读书的时候，以及市面上看到的大部分图像处理的书，上面讲解的内容其实也主要是这么一部分。
2、摄像头标定
很多摄像头，如果没有标定的话，获取的图像其实是带有畸变信息的。比如现在很多汽车上面都带有360功能，上面的图像就是根据4个camera图像计算出来的。camera本身为了获得更大的视场角，镜头都是鱼眼镜头，但是这种图像都是发生严重畸变的。所以，一般拿到摄像头之后，我们有必要通过棋盘格对它们进行畸变矫正的处理，这样才能送给后续的算法做进一步处理。
3、光源处理
好的图像，除了sensor和镜头之外，另外一个很重要的因素就是光源。在市场上可以买到的光源设备，一般就是光源本身和光源控制器。但是如何通过图像质量本身，借助于反馈控制的方法去实时地控制光源，这是很大的一门学问。有了好的图像，算法的编写上面都会轻松不少。
4、条形码、二维码识别
目前很多物料、设别、仓库的管理都是通过各种图形码来识别的。这里面又是以条形码和二维码最为普遍，所以上位机软件支持条形码和二维码也就不足为奇了。
5、定位功能
有了前面的图像预处理，一般来说我们就可以通过轮廓查找的方法找到一些潜在的候选项。然后再借助于长宽比、面积、圆度、周长、先验知识等信息，很容易提取出我们想要检查的区域模块。这个时候，如果图像上还有明显的标记点，这个时候就比较容易计算出相关物体的位置信息，也为下一步机械手的参与打下基础。
当然，上面的方法对于现场的fae来说稍显复杂，模板匹配对于他们来说，或许更加容易接受一点。
6、测量
测量是图像处理的另外一个重要功能。这里的测量，不仅仅是测量特定物体的大小，还有可能是找到一个物体之后，测量它和某个点的距离、和某条直线的距离、和某个圆的距离等等。当然具体需要哪个功能，还要根据具体情况而定。
当然要做好测量，一般还要搭配着寻找直线、寻找正方形、寻找圆的功能。
7、质量检测
质量检测也是机器视觉很重要的一个应用场景。现实的工厂中，大部分的质检都是由人工完成的，但是这种检测效率不高，而且检测的效果完全取决于工人每个人的能力。但是对于机器视觉来说，则不存在这样的问题。
8、分类和识别
分类和识别是由于计算机深度学习的发展，而引入的新功能。传统的机器视觉，大部分都是基于图像本身进行处理。对于更复杂的场景，特别是需要同时进行定位和分类的场景，深度学习具有天然的优势，这个时候yolov5这一类的算法就显得非常实用了。
9、第三方设备的支持
图像处理的结果，最重要是要和其他设备进行通信处理的。这里面的设备通信方式有232、485、can、tcp等等，类型则有io设备、plc、机械手、电脑等等。所以对于上位机来说，拿到图像算法的计算结果之后，一般都是要通过结果送出去继续处理的，特别是给机械设备来处理。
10、脚本的应用
上位机软件的使用者大部分都是fae，或者称之为现场部署工程师。他们不仅仅要处理图像，更多的情况下是软件的部署和应用。所以像halcon这一类的软件，还提供了大量的范例、以及脚本编辑的功能。他们对算法的理解或许不是那么充分，但是他们对于不同算法应该应用到什么场景，这方面积累了大量的经验，具有较明显的优势。
11、最新的发展趋势
传统的图像处理还是以camera为主。不过随着最新的传感器采集设备引入，比如说3d camera、lidar、多线lidar设备，新的算法也可以同时参与进来，这样应用的场景更加丰富，也可以更多的参与到工业生产当中去。