人类的眼睛并不像摄像机一样，十分精准地捕捉这个世界。但因为其与大脑共同进化了上亿年，人的眼睛是一个十分有效地器官。本文介绍了眼睛与摄像机的相似处和不同点，机器视觉是否会向着拟人化发展呢？
机器学习可用于图像分类，对象检测，定位，医学成像和解释，地震成像和解释等。机器视觉行业对3D成像以及人工神经网络和深度学习的新可能性寄予厚望。让我们拭目以待。
采用自动化技术不仅可以把人从繁重的体力劳动、部分脑力劳动以及恶劣、危险的工作环境中解放出来，而且能扩展人的器官功能，极大地提高劳动生产率，增强人类认识世界和改造世界的能力。
为了使用户在选择一款机器视觉系统时应该考虑的关键的、基本的特性方面提供指导。选择一款机器视觉系统时要优先考虑的十个方面。
图像特征可以包括颜色特征、纹理特征、形状特征以及局部特征点等。图像特征检测的方法很多，本文针对主流的特征检测算法的原理进行了学习研究。
随着曲面屏幕手机的推出，如何测量曲面玻璃的弧度，平面度，厚度以及三维轮廓成为业界新的技术难题。采用光谱共焦位移传感器，对曲面玻璃屏幕进行测量，可以达到了良好的效果。
图像的获取系统则是由光源、镜头、相机三部分组成。光源的选取与打光合理与否可直接影响至少30%的成像质量。所以光源是机器视觉系统中非常重要的一部分。
双目立体视觉是机器视觉的一种重要形式，它是基于视差原理并由多幅图像获取物体三维几何信息的方法。随着光学、电子学以及计算机技术的发展，它也在随之不断进步并逐渐实用化，应用领域涉及工业检测，生物医学，虚拟现实等。
机器视觉（Machine Vision），又被称为计算机视觉或人工视觉，是用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动识别。 机器视觉技术已广泛应用于工业自动化生产线，各类检验和监视，视觉导航，图像自动解释、人机交互及虚拟现实等领域。
光源是机器视觉获取图像的基础，通过对光源的改进与设计可以高效的提取出所需目标信息，极大地提高图像处理和识别的效率，提高系统测量精度和可靠性
