图像数据编码一般采用预测编码，即将图像数据的空间变化规律和序列变化规律用一个预测公式表示，如果知道了某一像素的前面各相邻像素值之后，可以用公式预测该像素值。采用预测编码，一般只需传输图像数据的起始值和预测误差，因此可将8比特/像素压缩到2比特/像素。根据微型电感器在生产过程中容易出现的质量问题,我们用图像处理的方法分别检测了装备的夹具是否夹好电感器、装备的送线机构是否把线送到位,和***终的微型电感器的焊点焊接质量。
变换压缩方法是将整幅图像分成一个个小的（一秀取8*8或16*16）数据块，再将这些数据块分类、变换、量化，从而构成自适应的变换压缩系统。该方法可将一幅图像的数据压缩到为数不多的几十个特传输，在接收端再变换回去即可。
边缘锐化
图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。它是早期视觉理论和算法中的基本问题，也是中期和后期视觉成败的重要因素之一。
图像的识别
图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，它是机器视觉系统必须完成的一个任务。
按照图像识别从易到难，可分为三类问题。类识别问题中，图像中的像素表达了某一物体的某种特定信息。如遥感图像中的某一像素代表地面某一位置地物的一定光谱波段的反射特性，通过它即可判别出该地物的种类。第二类问题中，待识别物是有形的整体，二维图像信息已经足够识别该物体，如文字识别、某些具有稳定可视表面的三维体识别等。但这类问题不像一类问题容易表示成特征矢量，在识别过程中，应先将待识别物体正确地从图像的背景中分割出来，再设法将建立起来的图像中物体的属图与假定模型库的属图之间匹配。第三类问题是由输入的二维图、要素图、2·5维图等，得出被测物体的三维表示。这里存着如何将隐含的三维信息提取出来的问题，当是今研究的热点。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。
机器视觉的应用及构成是了解机器视觉的要点，首先我们先来谈谈机器视觉的应用，机器视觉应用主要包括两个方面：识别和检测。
① 机器视觉识别：确定一个产品(零件，检测对象，目标等)是属于所给定范围中的哪一种的过程。
② 机器视觉检测：就是确定一个产品(零件，检测对象，目标等)偏离于所给定的一组标准的过程。
机器视觉的应用范围非常广泛，应用范围几乎涵盖国民经济的各个行业，主要包括：工业、农业、军事、航天、气象、天文、安全等。
