传统的机器视觉算法大都通过对原始图像进行光滑、滤波、对比度增强等预处理来获取更明确的现场描述信息。但是预处理并不能增加图像数据的固有信息,只有高质量的原始图像才包含了更多的可用于进一步视觉分析的物体表面固有信息,更有利于提高机器视觉系统的可靠性和实时性。高质量的原始图像获取又受到照明条件和相机参数(例如强度、色彩和相对位置)的影响,因此,本文对视觉获取的最优情形进行了研究。首先分析了物体、摄像头和光源的相对位置对图像质量的影响;然后将相机和光源作为一个整体加以协调,运用交替法(alternating approach)来优化设置获得光照设置和相机拍摄位置的最佳组合,使得在该环境下获取的图像具有较高的平均亮度和对比度,而平均亮度和对比度又是工业应用中常用的图像质量评价指标,能最佳地反映物体的本质属性;利用光照协调得出的最优设置参数对计算机视觉三维表面测量环境进行了优化,提出了一种新颖的曲面会聚指数算法,该算法利用场景表面某点在图像高光区的灰度信息提取表面光泽度,通过多个曲面的仿真试验表明该算法能准确估计出待测物表面的光泽度。实验证明了该算法原理的切实可行,为表面自动监测技术的发展的提供了一种有效的新途径。同时表明本文提出的光照协调系统是发展工业视觉系统、提高视觉系统任务完成质量必不可少的步骤,具有广泛的应用前景。