如何使光能在一定的程度上保持穩(wěn)定，是實(shí)用化過(guò)程中急需要解決的問(wèn)題。在一些不適于人工作業(yè)的危險(xiǎn)工作環(huán)境或者人工視覺(jué)難以滿足要求的場(chǎng)合，常用機(jī)器視覺(jué)來(lái)替代人工視覺(jué)。另一方面，環(huán)境光有可能影響圖像的質(zhì)量，所以可采用加防護(hù)屏的方法來(lái)減少環(huán)境光的影響。照明系統(tǒng)按其照射方法可分為：背向照明、前向照明、結(jié)構(gòu)光和頻閃光照明等。其中，背向照明是被測(cè)物放在光源和攝像機(jī)之間，它的優(yōu)點(diǎn)是能獲得高對(duì)比度的圖像。前向照明是光源和攝像機(jī)位于被測(cè)物的同側(cè)，這種方式便于安裝。結(jié)構(gòu)光照明是將光柵或線光源等投射到被測(cè)物上，根據(jù)它們產(chǎn)生的畸變，解調(diào)出被測(cè)物的三維信息。頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機(jī)拍攝要求與光源同步。

光源選型基本要素：對(duì)比度：對(duì)比度對(duì)機(jī)器視覺(jué)來(lái)說(shuō)非常重要。機(jī)器視覺(jué)應(yīng)用的照明的的任務(wù)就是使需要被觀察的特征與需要被忽略的圖像特征之間產(chǎn)生對(duì)比度，從而易于特征的區(qū)分。古茲曼提出運(yùn)用啟發(fā)式知識(shí)，表明用符號(hào)過(guò)程來(lái)解釋輪廓畫(huà)的方法不必求助于諸如二乘法匹配之類的數(shù)值計(jì)算程序。對(duì)比度定義為在特征與其周圍的區(qū)域之間有足夠的灰度量區(qū)別。好的照明應(yīng)該能夠保證需要檢測(cè)的特征突出于其他背景。亮度：當(dāng)選擇兩種光源的時(shí)候，的選擇是選擇更亮的那個(gè)。當(dāng)光源不夠亮?xí)r，可能有三種不好的情況會(huì)出現(xiàn)。，相機(jī)的信噪比不夠；由于光源的亮度不夠，圖像的對(duì)比度必然不夠，在圖像上出現(xiàn)噪聲的可能性也隨即增大。其次，光源的亮度不夠，必然要加大光圈，從而減小了景深。另外，當(dāng)光源的亮度不夠的時(shí)候，自然光等隨機(jī)光對(duì)系統(tǒng)的影響會(huì)。

魯棒性：另一個(gè)測(cè)試好光源的方法是看光源是否對(duì)部件的位置敏感度。流水線進(jìn)行自動(dòng)化的改造，使布匹生產(chǎn)流水線變成快速、實(shí)時(shí)、準(zhǔn)確、的流水線。當(dāng)光源放置在攝像頭視野的不同區(qū)域或不同角度時(shí)，結(jié)果圖像應(yīng)該不會(huì)隨之變化。方向性很強(qiáng)的光源，增大了對(duì)高亮區(qū)域的鏡面反射發(fā)生的可能性，這不利于后面的特征提取。好的光源需要能夠使你需要尋找的特征非常明顯，除了是攝像頭能夠拍攝到部件外，好的光源應(yīng)該能夠產(chǎn)生對(duì)比度、亮度足夠且對(duì)部件的位置變化不敏感。光源選擇好了，剩下來(lái)的工作就容易多了。具體的光源選取方法還在于試驗(yàn)的實(shí)踐經(jīng)驗(yàn)。

在行業(yè)應(yīng)用方面，主要有制藥、包裝、電子、汽車制造、半導(dǎo)體、紡織、、交通、物流等行業(yè)，用機(jī)器視覺(jué)技術(shù)取代人工，可以提供生產(chǎn)效率和產(chǎn)品質(zhì)量。例如在物流行業(yè)，可以使用機(jī)器視覺(jué)技術(shù)進(jìn)行快遞的分揀分類，不會(huì)出現(xiàn)大多快遞公司人工進(jìn)行分揀，減少物品的損壞率，可以提高分揀效率，減少人工勞動(dòng)。但是近代真正意義上的“機(jī)器”，卻是在西方工業(yè)革命后才逐步被發(fā)明出來(lái)。 [6] 產(chǎn)展編輯機(jī)器視覺(jué)的研究是從20世紀(jì)60年代中期美國(guó)學(xué)者L.R.羅伯茲關(guān)于理解多面體組成的積木世界研究開(kāi)始的。當(dāng)時(shí)運(yùn)用的預(yù)處理、邊緣檢測(cè)、輪廓線構(gòu)成、對(duì)象建模、匹配等技術(shù)，后來(lái)一直在機(jī)器視覺(jué)中應(yīng)用。羅伯茲在圖像分析過(guò)程中，采用了自底向上的方法。用邊緣檢測(cè)技術(shù)來(lái)確定輪廓線，用區(qū)域分析技術(shù)將圖像劃分為由灰度相近的像素組成的區(qū)域，這些技術(shù)統(tǒng)稱為圖像分割。其目的在于用輪廓線和區(qū)域?qū)λ治龅膱D像進(jìn)行描述，以便同機(jī)內(nèi)存儲(chǔ)的模型進(jìn)行比較匹配。實(shí)踐表明，只用自底向上的分析太困難，必須同時(shí)采用自頂向下，即把目標(biāo)分為若干子目標(biāo)的分析方法，運(yùn)用啟發(fā)式知識(shí)對(duì)對(duì)象進(jìn)行預(yù)測(cè)。這同言語(yǔ)理解中采用的自底向上和自頂向下相結(jié)合的方法是一致的。在圖像理解研究中，A.古茲曼提出運(yùn)用啟發(fā)式知識(shí)，表明用符號(hào)過(guò)程來(lái)解釋輪廓畫(huà)的方法不必求助于諸如二乘法匹配之類的數(shù)值計(jì)算程序。70年代，機(jī)器視覺(jué)形成幾個(gè)重要研究分支：①目標(biāo)制導(dǎo)的圖像處理；②圖像處理和分析的并行算法；③從二維圖像提取三維信息；④序列圖像分析和運(yùn)動(dòng)參量求值；⑤視覺(jué)知識(shí)的表示；⑥視覺(jué)系統(tǒng)的知識(shí)庫(kù)等。