機器視覺識別是一種計算機技術(shù)，旨在使計算機系統(tǒng)能夠模仿人眼和大腦的功能，識別、分析和理解圖像和視頻。這項技術(shù)涉及圖像處理、模式識別、計算機視覺、計算機圖形學等多個領(lǐng)域。

機器視覺識別用到的方法

機器視覺識別涉及到多種方法和技術(shù)，以下是幾種常見的方法：

1. Blob分析法（Blob Analysis）

Blob分析法是在計算機視覺中用來指代圖像中的具有相似顏色、紋理等特征所組成的一塊連通區(qū)域。Blob分析的過程是將圖像進行二值化，分割得到前景和背景，然后進行連通區(qū)域檢測，從而得到Blob塊的過程。簡單來說，Blob分析就是在一塊“光滑”區(qū)域內(nèi)，將出現(xiàn)“灰度突變”的小區(qū)域?qū)ふ页鰜怼＿@種方法適用于背景單一，前景缺陷不區(qū)分類別，識別精度要求不高的場景。

2. 模板匹配法

模板匹配是一種最原始、最基本的模式識別方法，研究某一特定對象物的圖案位于圖像的什么地方，進而識別對象物。這種方法通過統(tǒng)計計算圖像的均值、梯度、距離、方差等特征可以在圖中找到目標，確定其坐標位置。模板匹配法對于圖像或者模板的變化（如旋轉(zhuǎn)、修改像素等）較為敏感，因此在應(yīng)用時需要構(gòu)建較完善的模板庫。

3. 深度學習法

深度學習的應(yīng)用使檢測精度和檢測速度都獲得了改善。自AlexNet在比賽中使用卷積神經(jīng)網(wǎng)絡(luò)進而大幅度提高了圖像分類的準確率，便有學者嘗試將深度學習應(yīng)用到目標類別檢測中。進入深度學習時代以來，物體檢測發(fā)展主要集中在兩個方向：twostage算法如R-CNN系列和onestage算法如YOLO、SSD等。

4. 圖像預(yù)處理

圖像預(yù)處理是機器視覺識別中的一個重要步驟，包括矯正機器視覺所獲得的圖像目標，并將噪音等干擾進行合理過濾，對圖像目標內(nèi)部的信息開展有效提取。這通常包括圖像的平移、旋轉(zhuǎn)、縮放等操作，以及濾波處理，以去除圖像中的噪音干擾，保留圖像的各項特征。

5. 圖像分割

通過加強圖像分割，能夠提高機器視覺的圖像目標識別的自動化水平，使得圖像目標識別效果更加顯著。圖像分割的方法有很多種，包括閾值分割法、能量最小化分割方法、區(qū)域生長分割方法等。

6. 特征提取

特征提取是在眾多繁復(fù)的圖像信息當中，要提取出符合要求的圖像特征，對提取技術(shù)的速度與精度要求特別高。描述子的出現(xiàn)，有效解決了以上問題，例如，采用SURF描述子對圖像目標特征進行識別，能有效提高圖像目標識別效率和效果，同時SIFT