图像处理与分析——机器视觉的核心
用于机器视觉的图像处理与分析方法的核心是，解决目标的检测识别问题。当所需要识别的目标比较复杂时，就需要通过几个环节，从不同的侧面综合来实现。
对目标进行识别提取的时候，首先是要考虑如何自动地将目标物从背景中分离出来。目标物提取的复杂性一般就在于目标物与非目标物的特征差异不是很大，在确定了目标提取方案后，就需要对目标特征进行增强。
随着计算机技术、微电子技术以及大规模集成电路的发展，图像信息处理工作越来越多地借助硬件完成，如 DSP 芯片、专用的图像信号处理卡等。软件部分主要用来完成算法中并不成熟又较复杂或需不断完善改进的部分。这一方面提高了系统的实时性，同时又降低了系统的复杂度。
机器视觉技术的应用范围
在***上的应用
在***领域，机器视觉主要用于***辅助诊断。首先采集、超声波、激光、Ｘ射线、γ射线等对***检查记录的图像，再利用数字图像处理技术、信息融合技术对这些***图像进行分析、描述和识别，后得出相关信息，对辅助医生诊断***病源大小、形状和异常，并进行有效发挥了重要的作用。不同***影像设备得到的是不同特性的生物***图像，如Ｘ射线反映的是骨骼***，影像反映的是有机***图像，而医生往往需要考虑骨骼有机***的关系，因而需要利用数字图像处理技术将两种图像适当地叠加起来，以便于***分析。
产品表面缺陷检测属于机器视觉技术的一种，就是利用计算机视觉模拟人类视觉的功能，从具体的实物进行图象的采集处理、计算、终进行实际检测、控制和应用。产品的表面缺陷检测是机器视觉检测的一个重要部分，其检测的准确程度直接会影响产品终的质量优劣。由于使用人工检测的方法早已不能满足生产和现代工艺生产制造的需求，而利用机器视觉检测很好地克服了这一点，表面缺陷检测系统的广泛应用促进了企业工厂产品高质量的生产与制造业智能自动化的发展。
