也就是说每一个像素都由红（R）绿（G）蓝（B）三个成分组成，来表示RGB色彩空间中的一个点。
问题在于这些色差不同于人眼的感觉。
即使很小的噪声也会改变颜色空间中的位置。
所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。
基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB。
目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。
⒎ 图像分析：血液细胞自动分类计数、染色体分析、细胞识别等。
[8] ⒏ 瓶装啤酒生产流水线检测系统：可以检测啤酒是否达到标准的容量、啤酒标签是否完整⒐ 大型工件平行度、垂直度测量仪：采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪，它以稳定的准直激光束为测量基线，配以回转轴系，旋转五角标棱镜扫出互相平行或垂直的基准平面，将其与被测大型工件的各面进行比较。
在加工或安装大型工件时，可用该认错器测量面间的平行度及垂直度。
在行业应用方面，电缆外观检查，主要有制药、包装、电子、汽车制造、半导体、纺织、、交通、物流等行业，用机器视觉技术取代人工，可以提供生产效率和产品质量。
例如在物流行业，外观检查记录，可以使用机器视觉技术进行快递的分拣分类，不会出现大多快递公司人工进行分拣，减少物品的损坏率，可以提高分拣效率，减少人工劳动。
[6] 产展编辑机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。
当时运用的预处理、边缘检测、轮廓线构成、对象建模、匹配等技术，后来一直在机器视觉中应用。
罗伯兹在图像分析过程中，采用了自底向上的方法。
用边缘检测技术来确定轮廓线，外观检查，用区域分析技术将图像划分为由灰度相近的像素组成的区域，这些技术统称为图像分割。
其目的在于用轮廓线和区域对所分析的图像进行描述，以便同机内存储的模型进行比较匹配。
实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，外观检查方法，即把目标分为若干子目标的分析方法，运用启发式知识对对象进行预测。
这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。
在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的方法不必求助于诸如二乘法匹配之类的数值计算程序。
70年代，机器视觉形成几个重要研究分支：①目标制导的图像处理；②图像处理和分析的并行算法；③从二维图像提取三维信息；④序列图像分析和运动参量求值；⑤视觉知识的表示；⑥视觉系统的知识库等。
外观检查-格拉尼视觉科技-外观检查记录由苏州格拉尼视觉科技有限公司提供。
苏州格拉尼视觉科技有限公司（www.grani.com.cn）是一家从事“视觉定位、视觉测量、外观检测、运动控制、工业读码、机器人运用”的公司。
自成立以来，我们坚持以“诚信为本，稳健经营”的方针，勇于参与市场的良性竞争，使“视觉定位、视觉测量、外观检测、运动控制、工业读码、机器人运用”品牌拥有良好口碑。
我们坚持“服务为先，用户至上”的原则，使格拉尼视觉科技在工业自动控制系统及装备中赢得了众的客户的信任，树立了良好的企业形象。
特别说明：本信息的图片和资料仅供参考，欢迎联系我们索取准确的资料，谢谢！
