بینایی ماشین، تبدیل داده یک دوربین به یک نمایش جدید یا یک تصمیم است. همه این تبدیلات برای رسیدن به هدف مشخصی انجام میشود.
دادهی ورودی می تواند شامل اطلاعات متنی مانند اینکه ”دوربین در یک ماشین قرار داده شده ”یا این که” تشخیص دهندهی فاصله لیزری یک شیءرا در فاصله یک متری نشان می دهد“، باشد.
تصمیم نیز می تواند به طور مثال این باشد که ”شخصی در صحنه حضور دارد ” یا این که ” 14 سلول تومور در این اسلاید وجود دارد”. یک نمایش جدید نیز می تواند به معنی تبدیل یک تصویر رنگی به سیاه و سفید و یا حذف حر کت دوربین از یک مجموعه تصاویر باشد.
چشم انسان تقریباً یک عدسی کروی با قطر 2.5 سانتی متر میباشد که از چندین لایه مختلف که درونیترین آنها شبکیه نام دارد تشکیل شده است. ماهیچههای اطراف چشم اندازه لنز را تنظیم میکنند که این کار چشم را قادر به زوم کردن روی اشیاء میکند.
CCD از جهت عملکرد تقریباً مانند چشم انسان کار میکند .نور از طریق یک عدسی وارد دوربین و برروی یک پرده مخصوص تصویر میشود که تحت عنوان تراشه CCD شناخته میشود.
تعریف پیکسل: تراشه CCD که تصاویر با استفاده از آن گرفته میشوند از تعداد زیادی سلول تشکیل شده که همگی در یک تراشه با الگوی خاصی مرتب شدهاند و تحت عنوان پیکسل (pixels) شناخته میشوند.
مهمترین ابزار خروجی که می تواند به مفهوم گرافیک کامپیوتری عینیت ببخشد، صفحه نمایش (Monitor) است که امروزه با روشهای متفاوت در اندازهها و کیفیتهای مختلفی تولید میشوند.
تعریف پیکسل (Pixel=Picture cell/Element): در معماری سختافزار گرافیک کامپیوتری امروزی (و کارت های گرافیکی در راس آنها) تصاویر به صورت مجموعه ای از نقاط در نظر گرفته می شوند. هر نقطه ، رنگ و مشخصات خاص خود را دارد و کوچکترین جز قابل رویت یک تصویر محسوب می شود. به این نقاط در اصطلاح پیکسل گفته میشود.
تعریف صفحه نمایش (Screen): به مجموعه پیکسل هایی که در هر لحظه از طریق ابزارهایی مانند صفحه نمایش ترسیم می شود صفحه تصویر گفته میشود.
صفحه نمایش دو بعدی در نظر گرفته می شود و معمولاً پیکسل هایی که در این دو بعد وجود دارند از طریق مختصات آنها مانند یک ماتریس قابل دسترسی میباشند.
سنسور همزمان ساز تعیین میکند که چه زمانی یک بخش (که معمولاً روی یک حمل کننده حرکت می کند) در موقعیتی قرار گرفته است که باید مورد بررسی واقع شود. این سنسور هنگامیکه از زیر دوربین میگذرد و یک پالس نوری برای ثابت نگهداشتن تصویر ایجاد میکند، دوربین را برای گرفتن عکس فعال میکند. نوری که برای روشن کردن آن بخش به کار می رود در واقع برای آن است که مشخصههای مطلوب را برجسته و مشخصات نامطلوب (مثل سایهها و یا انعکاسها) را به حداقل برساند. معمولاً پنلهای LED با اندازه و طراحی مناسب برای این هدف مورد استفاده قرار می گیرند. تصویر دوربین یا توسط یک frame grabber و یا توسط یک حافظه کامپیوتری (که در آن ازframe grabber استفاده نشده است) گرفته میشود.
frame grabber یک وسیله دیجیتال کننده است (یا در داخل دوربین هوشمند و یا بطور جداگانه) که خروجی دوربین را به فرمت دیجیتال تبدیل کرده (معمولاً این فرمت از یک آرایه دو بعدی از اعداد تشکیل شده که هر عدد متناظر شدت روشنایی نقطه متناظر در آن تصویر میباشد. به این نقاط پیکسل می گویند.) و سپس تصویر را به منظور پردازش توسط نرمافزارٍ Machine vision در حافظه کامپیوتر ذخیره میکند. به طور معمول نرمافزار، اقدامات متفاوتی را برای پردازش تصویر انجام میدهد. گاهی در ابتدا تصویر برای کاهش نویز و یا تبدیل سایههای خاکستری به ترکیب ساده ای از رنگهای سیاه و سفید دستکاری میشود (Binarization) در قدم بعدی نرمافزار عمل شمردن، اندازه گیری و شناسایی اجسام، ابعاد، کاستیها و مشخصات دیگر تصویر را انجام می دهد.