电气工程师机器视觉

计算机视觉领域的突出特点是其多样性与不完善性。这一领域的先驱可追溯到更早的时候，但是直到20世纪70年代后期，当计算机的性能提高到足以处理诸如图像这样的大规模数据时，计算机视觉才得到了正式的关注和发展。然而这些发展往往起源于其他不同领域的需要，因而何谓“计算机视觉问题”始终没有得到正式定义，很自然地，“计算机视觉问题”应当被如何解决也没有成型的公式。尽管如此，人们已开始掌握部分解决具体计算机视觉任务的方法，可惜这些方法通常都仅适用于一群狭隘的目标（如：脸孔、指纹、文字等），因而无法被广泛地应用于不同场合。对这些方法的应用通常作为某些解决复杂问题的大规模系统的一个组成部分（例如医学图像的处理，工业制造中的质量控制与测量）。在计算机视觉的大多数实际应用当中，计算机被预设为解决特定的任务，然而基于机器学习的方法正日渐普及，一旦机器学习的研究进一步发展，未来“泛用型”的电脑视觉应用或许可以成真。人工智能所研究的一个主要问题是：如何让系统具备“计划”和“决策能力”？从而使之完成特定的技术动作（例如：移动一个机器人通过某种特定环境）。这一问题便与计算机视觉问题息息相关。在这里，计算机视觉系统作为一个感知器，为决策提供信息。另外一些研究方向包括模式识别和机器学习（这也隶属于人工智能领域，但与计算机视觉有着重要联系），也由此，计算机视觉时常被看作人工智能与计算机科学的一个分支。

如果是底层开发的（如开发图像处理算法、设计研发相机、镜头），你需要对软件、数学、物理、电子电路等学科都有很深的功底。这样才能弄出具体的软件算法、硬件产品。如果是应用层面的，那么你就需要对某个软件平台比较了解，如VC、VB、LV等，然后调用一家或几家的图像处理软件（如HALCON、VisionMAX等），然后进行图像处理、系统集成、技术支持等方面的工作。

一、机器视觉的定义机器视觉是一种通过光学设备和非接触式传感器自动接收并处理真实物体的图像的设备，以获得所需信息或控制机器人的运动。机器视觉就是用机器代替人眼进行测量和判断。本质上，机器视觉是图像分析技术在工厂自动化中的应用，通过使用光学系统，工业数码相机和图像处理工具，以模拟人类的视觉功能并做出相应的决策，通过指挥特定的装置来实现这些决策。在现代的自动化生产过程中，机器视觉已开始逐渐取代人工视觉，特别是在工况检测，成品检验，质量控制等领域。随着工业时代的到来，这种趋势已不可逆转。二、机器视觉涵盖哪些领域？机器视觉系统由不同的功能模块组成，因此设计出一个成功的机器视觉系统对工程师的要求是很高的。通常，机器视觉涵盖的专业领域如下：1、电气工程：用于机器视觉系统中的硬件和软件设计。2、工程数学：图像处理技术的基础。3、物理：照明系统设计的基础。4、机械工程：机器视觉系统的应用。好的机器视觉系统可以更好地为制造提供更多技术支持，从而提高产品质量和生产效率。

如果是底层开发的（如开发图像处理算法、设计研发相机、镜头），你需要对软件、数学、物理、电子电路等学科都有很深的功底。这样才能弄出具体的软件算法、硬件产品。如果是应用层面的，那么你就需要对某个软件平台比较了解，如VC、VB、LV等，然后调用一家或几家的图像处理软件（如NI、HALCON等），然后进行图像处理、系统集成、技术支持等方面的工作。这里需要掌握的知识比较多、杂。但是不需要对某个领域有很深的掌握。有关的学科有软件、计算机、电子、机械、光学、数学、物理等，一般大学理、工科出来的应该能胜任。无论是系统集成、技术支持，都需要强大的经验才算得上高手。如果是终端客户，那么你只需要知道你的这个设备具有什么功能，完成什么样的测试，怎么设置参数，大概的一个测量原理就OK了。

看做哪方面的视觉工程师喽，是给别人做视觉系统集成的还是做视觉开发的啦！要是做视觉系统集成的就是整天按照人家工艺的要求调试你要检测物体的画面，然后给客户的提一些光源的要求还有机械上的要求，还有项目后期要不间断的去现场呢。要是做视觉开发的话就是天天听客户反馈然后无止境的思考算法，还有写软件。搞硬件的话就是研究光学成像问题。至于掌握的知识我问了我们一个做视觉系统集成的工程师说，他说在做系统集成方面最重要的是经验，这个需要足够多的项目来积累你的想法和思路，有时候解决问题需要的是一个很巧妙地想法，至于其他的就是掌握基本的电气知识就ok啦，还有要多动手、多尝试。如果是做视觉开发的话，这个我了解的不多，因为我做业务的时候一般遇到不懂的时候都是给上面那个做集成的工程师打电话，和做开发的工程师关系不熟，不过我看他们都是学数学专业和计算机专业的，应该对软件和应用数学有一定要求吧，听他们一张嘴不是这个数学模型就是那个线性算法的。希望能对你有所帮助吧(*^__^*)