在机器视觉系统中，获得一张量的可处理的图像是至关重要。系统之所以成功，首先要图像质量好，特征明显。一个机器视觉项目之所以失败，大部分情况是由于图像质量不好，特征不明显引起的。要好的图像，必须要选择一个合适的光源。光源选型基本要素：对比度：对比度对机器视觉来说非常重要。机器视觉应用的照明的重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生zui大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够需要检测的特征突出于其他背景。亮度：当选择两种光源的时候，zui佳的选择是选择更亮的那个。当光源不够亮时，可能有三种不好的情况会出现。一，相机的信噪比不够；由于光源的亮度不够，图像的对比度必然不够，在图像上出现噪声的可能性也随即增大。其次，光源的亮度不够，必然要加大光圈，从而减小了景深。另外，当光源的亮度不够的时候，自然光等随机光对系统的影响会zui大。鲁棒性：另一个测试好光源的方法是看光源对部件的位置敏感度zui小。当光源放置在摄像头视野的不同区域或不同角度时，结果图像应该不会随之变化。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于后面的特征提取。好的光源需要能够使你需要寻找的特征非常明显，除了是摄像头能够拍摄到部件外，好的光源应该能够产生zui大的对比度、亮度足够且对部件的位置变化不敏感。光源选择好了，剩下来的工作就容易多了。具体的光源选取方法还在于试验的实践经验。机器视觉行业的人士都知道，机器视觉检测系统一般是通过CCD照相机将被监测的对象转换成图，传送给机器视觉是同种的图像处理系统实现的，在这个过程中，机器视觉系统地图像处理系统，会依据像素的分布和各个不同成像区域的亮度、颜色等不同的信息，将图像信号再次转化为数字化的信号。这些信号所反映出来的监测项目的特征，将作为输出结果，为电脑或者人工判断提供参考依据，进而达到自动化、提率的目标。机器视觉系统实现这些工作原理，需要有几个典型结构的支持：首先就是照明系统，与机器视觉相关的照明系统，又被称为机器视觉光源。可以这么说，照明是影响机器视觉系统输入和判断的重要的因素之一，因为它直接影响机器视觉系统输入数据的质量和分析依据，还有就是这个系统的实际应用效果。通常情况下，按照目前机器视觉光源行业的状况，是没有通用的机器视觉照明设备的，所以针对任何一个新开发的机器视觉系统，需要开发对应的机器视觉光源，找到适用的照明设备和系统。其次就是镜头了，镜头也在很大程度上决定了成像的效果，而选择好的镜头，就需要关注体现镜头配置的几个关键因素：如焦距、目标高度、影像高度、放大倍数、影像至目标的距离、中心点、节点、畸变等，这些都决定着镜头的质量，也关系到机器视觉系统的判读水平。故而，选用工业镜头时必须考虑视野、工作距离，CCD(摄像机成像传感器装置的尺寸)等因素。另外，就是一些图像采集和机器选型方面的结构了。这些典型的结构决定了机器视觉系统的整体功能特性。由此可见，机器视觉领域，重要典型的结构就是机器视觉光源和工业镜头了，选择的机器视觉系统，必须先选择相应的机器视觉光源与之搭配，同时配置好的图像处理系统，也就是的工业相机和工业机关念头。机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、I/O卡等)。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。机器视觉系统基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。
