在我的理解里，要实现机器视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。

　目前百万像素高清工业相机​已越来越多地应用于各个工业检测领域，有1百万像素相机、2百万像素相机、5百万像素相机甚至上千万像素相机等等。摄像机的像素高是图像清晰的一个方面，另一方面高像素感光元也要配以高分辨率的镜头才能使高清相机的能力得以体现。

机器视觉的照明系统可以将被测物特征最大化，并减少相应的背景中对比物的影响，使高速相机可以清晰地“看见”被测物。高对比的图像可以降低系统难度并提高系统的稳定性;反之，低对比的图像会增加系统的处理时间并加大系统的复杂度。机器视觉应用的成功很大一部分取决于照明设置，一个合适的照明系统可以使整个视觉检测系统更具有效率和准确性。下面将详细介绍机器视觉照明要点：

　在当今印刷行业，激烈的竞争使得用户对产品质量要求越来越高，产品质量关系着印刷企业的生存。通常，印刷企业都采用人工检测的方法，但是由于人眼长时间处于紧张状态，容易产生视觉疲劳，导致产品漏检和废品出厂的现象时有发生，最终造成用户对印刷企业投诉率长期居高不下，给印刷企业的声誉带来了不良影响。同时，印刷企业还需要配备大量的人力，这样又增加了印刷企业的生产成本，降低了企业竞争力。

机器视觉​都有怎样的应用? 　　机器视觉的应用主要分为四大类别，包括引导、识别、测量和检验(英文首字母缩写：GIGI)，GIGI 表示 Guidance(引导)、Inspection(检验)、Gauging(测量)和 Identification(识别)。 接下来主要介绍机器视觉应用的引导部分。

　机器视觉与机器人的组合应用 　　机器视觉系统的构成 　　机器视觉与机器人系统构成 　　为什么机器人需要机器视觉系统? 　　1.没有机器视觉的机器人应用有局限性

多点触控 (又称多重触控、多点感应、多重感应，英译为Multitouch或Multi-Touch)是采用人机交互技术与硬件设备共同实现的技术，能在没有传统输入设备（如：鼠标、键盘等）下进行计算机的人机交互操作。

为了适应现今这个发展越来越快的社会，机器视觉检测技术是必不可少的。在一些不合适人类工作的环境场所机器视觉就可以代替人类进行。机器视觉检测技术分类：

对于每个机器视觉系统​应用，光学系统对整个图像的质量、准确性、速度和重复性都至关重要。构建机器视觉系统时，必须考虑应用、分辨率、照明、景深、视场、处理速度和其他要素。