顶部
收藏

机器视觉技术及应用


作者:
张静亚 涂水林 主编 张静亚 涂水林 魏学光 吴健辉 编
定价:
33.50元
ISBN:
978-7-04-059768-4
版面字数:
380.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-08-14
读者对象:
高等教育
一级分类:
电气/电子信息/自动化类
二级分类:
电气/自动化专业课
三级分类:
其他

本书全面、系统地介绍了机器视觉系统硬件、相关的理论基础和应用技术,并在此基础上介绍了具体的工程案例。力求对机器视觉技术各关键环节进行深入浅出的介绍,通过大量的例题和案例设计,帮助读者快速掌握机器视觉技术的相关理论、编程技术,形成对于工程应用的框架性概念。全书共10 章。第1 章简要介绍机器视觉技术的基本概念、相关学科领域及机器视觉软件编程平台。第2 章介绍图像的采集,重点是机器视觉技术中的硬件部分和HALCON软件的图像采集示例。第3 章介绍了HALCON 的数据结构、程序控制语句等。第4~6 章介绍了机器视觉的理论基础和方法,包括图像预处理、图像分割和形态学图像处理。第7~10 章介绍了与工程应用相关的机器视觉技术,包括模板匹配技术、相机标定技术、测量技术、分类描述与识别技术及其相关工程案例。

本书可作为电子信息、自动化、人工智能、计算机、机器人工程等专业高年级本科生的教材,也可以作为对机器视觉和数字图像处理感兴趣的初学者的参考书,还可以作为从事HALCON 开发的广大科研人员和工程技术人员的参考书。

  • 前辅文
  • 第1章 绪论
    • 1.1 机器视觉概述
      • 1.1.1 机器视觉系统的基本工作原理
      • 1.1.2 机器视觉的工作方式
      • 1.1.3 机器视觉的工业应用
    • 1.2 相关学科领域
      • 1.2.1 数字图像处理
      • 1.2.2 数字信号处理
      • 1.2.3 计算机视觉
    • 1.3 机器视觉中的数据表示
      • 1.3.1 图像
      • 1.3.2 视频
    • 1.4 机器视觉中的一些数学问题
      • 1.4.1 插值
      • 1.4.2 图像金字塔
    • 1.5 HALCON 概述
      • 1.5.1 HALCON 功能和应用简介
      • 1.5.2 机器视觉软件设计开发平台比较
      • 1.5.3 HDevelop 简介
      • 1.5.4 HDevelop 图形组件
    • 习题
  • 第2章 图像采集
    • 2.1 摄像机
      • 2.1.1 摄像机的分类
      • 2.1.2 摄像机的主要参数
      • 2.1.3 摄像机数据接口与协议
    • 2.2 镜头
      • 2.2.1 镜头的种类
      • 2.2.2 镜头的主要参数
      • 2.2.3 镜头的选择
    • 2.3 光源
      • 2.3.1 前光源
      • 2.3.2 背光源
      • 2.3.3 光源的选择
    • 2.4 HDevelop 实时采集模块
      • 2.4.1 HALCON 图像采集步骤
      • 2.4.2 实例
    • 习题
  • 第3章 HALCON 程序设计基础
    • 3.1 HALCON 的数据结构3檁_f堦€__
    • 3.2 Iconic 图标参数
      • 3.2.1 Image 图像
      • 3.2.2 Region 区域
      • 3.2.3 XLD 亚像素轮廓
      • 3.2.4 图标的显示设置
    • 3.3 Control 控制参数
      • 3.3.1 Tuple 数组定义和赋值
      • 3.3.2 Tuple 算术基础运算Jw
      • 3.3.3 Tuple 三角函数运算
      • 3.3.4 Tuple 数组元素的运算
      • 3.3.5 Tuple 位运算
      • 3.3.6 字符串运算
    • 3.4 HALCON 程序控制语句
      • 3.4.1 循环语句
      • 3.4.2 条件语句
      • 3.4.3 中断语句_r$靇
    • 习题
  • 第4章 图像预处理
    • 4.1 图像的灰度变换
      • 4.1.1 灰度变换的基础知识
      • 4.1.2 灰度线性变换
      • 4.1.3 灰度分段线性变换
      • 4.1.4 灰度非线性变换
    • 4.2 直方图变换
      • 4.2.1 灰度直方图的定义和性质
      • 4.2.2 直方图均衡化
      • 4.2.3 直方图规定化
    • 4.3 图像空域滤波
      • 4.3.1 平滑滤波
      • 4.3.2 中值滤波
    • 4.4 图像频域滤波
      • 4.4.1 理想低通滤波器
      • 4.4.2 Butterworth 低通滤波器
      • 4.4.3 指数低通滤波器
      • 4.4.4 梯形低通滤波器
    • 习题
  • 第5章 图像分割
    • 5.1 图像分割的定义和分类
      • 5.1.1 图像分割的定义
      • 5.1.2 图像分割的分类
    • 5.2 基于边界技术的图像分割
      • 5.2.1 边缘检测概述
      • 5.2.2 正交梯度算子
      • 5.2.3 二阶导数算子
      • 5.2.4 Hough 变换
      • 5.2.5 亚像素级别的边缘提取
    • 5.3 阈值分割法
      • 5.3.1 阈值分割法的分类
      • 5.3.2 全局阈值分割法3坵_w
      • 5.3.3 基于图像区域的动态阈值分割法
    • 5.4 区域生长法
      • 5.4.1 算法基本原理
      • 5.4.2 算法数学公式
      • 5.4.3 算法设计思路
      • 5.4.4 应用案例
    • 5.5 深度学习法
      • 5.5.1 深度学习
      • 5.5.2 卷积神经网络
      • 5.5.3 全卷积神经网络
      • 5.5.4 算法设计思路
    • 习题
  • 第6章 形态学图像处理
    • 6.1 二值图像形态学基本运算
      • 6.1.1 结构元素
      • 6.1.2 二值膨胀
      • 6.1.3 二值腐蚀
      • 6.1.4 开闭运算
      • 6.1.5 击中- 击不中变换
    • 6.2 二值形态学的应用
      • 6.2.1 区域边界提取
      • 6.2.2 孔洞填充
      • 6.2.3 区域骨架计算
    • 6.3 灰度形态学基本运算
      • 6.3.1 灰度形态学基本概念
      • 6.3.2 灰度膨胀
      • 6.3.3 灰度腐蚀
      • 6.3.4 灰度开运算、闭运算
    • 6.4 灰度形态学组合运算
      • 6.4.1 形态梯度
      • 6.4.2 顶帽变换和底帽变换
    • 习题
  • 第7章 模板匹配
    • 7.1 模板匹配的基本思想
    • 7.2 模板匹配的分类
    • 7.3 图像空间变换模型
      • 7.3.1 刚体变换
      • 7.3.2 仿射变换
      • 7.3.3 投影变换
      • 7.3.4 多项式变换
    • 7.4 匹配相似度函数___9q_HH3_
      • 7.4.1 平均绝对差函数
      • 7.4.2 归一化互相关函数
      • 7.4.3 归一化互信息
    • 7.5 基于图像灰度值的模板匹配
    • 7.6 基于形状特征的模板匹配
      • 7.6.1 模板图像生成的方法
      • 7.6.2 模型创建
      • 7.6.3 匹配
    • 7.7 案例分析
    • 习题
  • 第8章 摄像机模型与标定
    • 8.1 引言
    • 8.2 相机成像模型
      • 8.2.1 图像物理坐标系到像素坐标系
      • 8.2.2 相机坐标系到图像物理坐标系
      • 8.2.3 世界坐标系到相机坐标系
    • 8.3 相机的内参和外参
    • 8.4 畸变及其校正
      • 8.4.1 镜头畸变
      • 8.4.2 移轴
    • 8.5 相机标定原理和标定流程
      • 8.5.1 张正友标定法基本原理
      • 8.5.2 标定板和标定图像
      • 8.5.3 标定过程
    • 8.6 案例分析
      • 8.6.1 硬件
      • 8.6.2 相机标定
      • 8.6.3 模板匹配和坐标系转换流程
      • 8.6.4 检测结果
      • 8.6.5 结果分析
    • 习题
  • 第9章 测量
    • 9.1 一维测量
      • 9.1.1 测量目标区域的设定
      • 9.1.2 边缘的提取
      • 9.1.3 世界坐标测量
      • 9.1.4 一维测量实例分析
    • 9.2 二维测量
      • 9.2.1 区域处理
      • 9.2.2 轮廓处理
      • 9.2.3 二维模型计算
      • 9.2.4 几何操作
      • 9.2.5 区域处理与轮廓处理的选择
      • 9.2.6 二维测量实例分析
    • 9.3 双目立体视觉
      • 9.3.1 双目立体视觉的工作原理
      • 9.3.2 双目立体视觉系统分辨率
      • 9.3.3 双目立体视觉系统的设计步骤
      • 9.3.4 双目立体视觉系统标定
      • 9.3.5 双目图像对的获取
      • 9.3.6 图像校正
      • 9.3.7 立体匹配
      • 9.3.8 重建三维信息
    • 9.4 激光三角测量
      • 9.4.1 激光三角测量的基本原理
      • 9.4.2 激光三角测量系统的构建
      • 9.4.3 激光三角测量系统的标定
      • 9.4.4 激光三角测量的基本步骤
    • 9.5 案例分析1
      • 9.5.1 硬件介绍
      • 9.5.2 硬件组装
      • 9.5.3 各模块程序设计
      • 9.5.4 各步骤结果
    • 9.6 案例分析2
      • 9.6.1 总体设计方法
      • 9.6.2 图像采集_劾躝
      • 9.6.3 标定
      • 9.6.4 测量
      • 9.6.5 程序和结果
    • 习题
  • 第10章 分类描述与识别
    • 10.1 图像描述
      • 10.1.1 像素描述
      • 10.1.2 链码描述
      • 10.1.3 纹理描述
      • 10.1.4 矩描述
    • 10.2 图像识别
      • 10.2.1 识别问题的一般描述
      • 10.2.2 过度拟合
      • 10.2.3 图像识别系统结构
      • 10.2.4 训练/ 学习方法分类
    • 10.3 案例分析
      • 10.3.1 图像采集
      • 10.3.2 分类模型
      • 10.3.3 提取特征
      • 10.3.4 训练模型
      • 10.3.5 分类识别
    • 习题
  • 参考文献

“机器视觉技术及应用”数字课程与纸质教材一体化设计,紧密配合。数字课程涵盖47个程序代码(可下载)、3个视频资源等内容,充分运用媒体资源,极大地丰富了知识的呈现形式,拓展了教材内容。在提升课程教学效果的同时,为学生学习提供思维与探索的空间。

相关图书