总体上，一个成功的机器视觉系统需要***解决图像采集（包括光源、光学成像、数字图像获取与传输）、图像处理分析几个环节的关键技术。

照明是机器视觉系统中极其重要而又容易为人忽视的环节。其设计是机器视觉系统设计的重要步骤，直接关系着系统的成败和性能。因为照明直接作用于系统的原始输入，对输入数据质量的好坏有直接的影响。

相机是一个光电转换器件，它将光学成像系统所形成的光学图像转变成视频/数字电信号。相机通常由的光电转换器件、外围电路、输出/控制接口组成。目前的光电转换器件为CCD，其特点是以电荷为信号，而不像其他器件输出电流或者电压信号。上世纪90年代，一种新的图像传感器开始兴起，这种相机称为CMOS相机。对相机除了考察其光电转换器件外，还应考虑系统速度、检测的视野范围、系统所要达到的精度等因素。

相机输出的模拟视频信号并不能为计算机直接识别，图像采集卡通过对模拟视频信号的量化处理将模拟视频信号数字化，形成计算机能直接处理的数字图像，并提供与计算机的高速接口。图像采集卡需要实时完成高速、大数据量的图像数据采集，必须与相机协调工作，才能完成特定的任务。除A/D转换外，图像采集卡还具备其他一些功能，包括:

接收来自数字相机的高速数据流，并通过计算机高速总线传输至系统存储器;

对多通道图像接收、处理和重构;

对相机及系统其他模块进行功能控制。

图像和视觉信息处理

系统分析和设计是机器视觉系统开发的难点和基础，也是许多开发商所不擅长的，急需加强。

另外，在现场环境应用中，振动、粉尘、电磁干扰会严重影响系统的工作，这些问题都是设计和开发时应注意的。

目前，以智能相机为代表的嵌入式系统因其有许多的优点而为许多所看好，高度模块化、价格低廉的视觉传感器组成的分布式网络给我们展示了一个令人激动的画面。