圖像採集設備包括一般手機、WEB CAM、攝影機、照相機、掃描器等都是圖像輸入的裝備
在機器人應用上我們常用單板電腦(Single Board Computer,SBC)去做機載主機，在單板電腦上，教學資源最多以及最好入手的主要就樹莓派基金會出的Raspberry Pi 3、4代，應用圖像處理最好使用到記憶體多一些8G款式。下圖1
以及NVIDIA推出的嵌入式系統開發套件Jetson系列，都有著不錯的運算能力能夠以基載電腦處理圖像的能力。下圖2
最後是桌上型電腦以及筆記型電腦，作為在學習時最常用的設備，所有的技術開發實驗都是在桌上型電腦或筆記型電腦上做開發，最終敲定效果不錯的算法之後，在優化部屬到SBC上。
二、機器視覺(Computer Vision，CV)的功能與精度
機器視覺的功能與人類視覺功能相似，大致上就是判斷以及測量。
其中每項功能又能分類出很多功能
判斷
- 判斷有沒有
- 判斷是不是
- 判斷缺陷
測量
- 測量尺寸
- 測量形狀
- 測量角度…等幾何形狀參數
人眼測量一般需要精度0.1mm以上的卡尺。
而CV測量除了需要標定物作為參照之外，還需要相機有足夠的解析度。
例如判斷功能的精度問題。
如下圖3，對於極微小的缺陷，只有當相機的解析度(Resolution)夠高，分辨得出來，才能夠自動判斷。對於靜態圖像，只要缺陷的面積大於物體自身的紋理結構就可以判斷。
對於生產線上的動態判斷，除了缺陷的靜態大小之外，還需要考慮生產線運行的速度和相機採樣速度的關係。
Example:假設生產線的運動速度是每秒100mm/s，相機的圖像採樣頻率是每秒100幀，(100FPS) ，那每幀圖，像素間的位移就是1mm，這樣1mm以下的缺陷就判斷不了。
精密測量
精密測量通常用於靜態目標的尺寸量測，攝影鏡頭垂直於被測量目標進行拍照，通過在測量平台上放置標尺進行相機標定。
數位圖像的採樣與量化
數位訊號是現今電子設備最主流處理資訊的方式，其儲存的是位於記憶體中0或1的二進制狀態，這稱為一個比特(bit)，八個二進制位可以組合出256(2⁸=256)狀態，這被稱為一個位元組(byte)。也就是說，一個Byte可以用來表示從00000000到11111111的256狀態，標準的數位圖像數據也是採用一個Byte的256個狀態來表示。
電腦和數位相機等數位設備中的圖像都是數位圖像，在拍攝照片或掃描文件時輸入的都是連續的類比訊號，需要經過採樣和量化兩個步驟，將輸入的類比訊號轉換成最終的數位訊號
採樣
採樣(sampling)是把空間中連續的圖像分割程離散像素的集合。採樣精度有非常多種不同的設定，採樣越細，像素越小，可以看到更細節的東西。
量化
量化(quantization)是把像素的亮度(灰階)變換成離散的整數值來操作。
最簡單是用黑色代表0白色代表1的二進制表示法，稱為二值圖像(binary image)。
隨著量化越細緻，灰階級數表現越豐富，對於6bit以上的圖像，人眼幾乎看不出有什麼區別。電腦中的圖像亮度值一般採用8bit的方式來表示，0是最黑255是最白
