第1章 緒論? 001 1.1 什么是機器視覺 001 1.2 完整的機器視覺系統(tǒng)組成 002 1.3 機器視覺系統(tǒng)的特點 003 1.4 機器視覺系統(tǒng)相關(guān)應(yīng)用領(lǐng)域 003 1.4.1 在工業(yè)生產(chǎn)中的應(yīng)用 004 1.4.2 在農(nóng)業(yè)中的應(yīng)用 005 1.4.3 在醫(yī)學(xué)中的應(yīng)用 005 1.4.4 在軍事方面的應(yīng)用 006 1.4.5 在其他方面的應(yīng)用 007 1.5 常用機器視覺圖像庫 007 1.5.1 OpenCV 007 1.5.2 VisionPro 008 1.5.3 HALCON 008 1.5.4 其他圖像處理庫 009 練習(xí) 009 第2章 視覺圖像采集設(shè)備? 010 2.1 光源 010 2.1.1 電磁輻射 010 2.1.2 光源類型 012 2.1.3 光源形狀 012 2.1.4 光源照明方式 014 2.2 鏡頭 017 2.2.1 焦距 018 2.2.2 光圈 019 2.2.3 其他鏡頭參數(shù) 019 2.3 攝像機 020 2.3.1 CCD芯片尺寸 021 2.3.2 相機分辨率 022 2.3.3 相機幀率與曝光時間 022 2.3.4 其他相機參數(shù) 023 練習(xí) 023 第3章 數(shù)字圖像基礎(chǔ)知識? 024 3.1 數(shù)字圖像表示方式 024 3.2 數(shù)字圖像類別 025 3.2.1 彩色圖像 025 3.2.2 二值圖像 026 3.2.3 灰度圖像 027 3.2.4 索引圖像 030 3.3 數(shù)字圖像格式 030 3.3.1 BMP格式 030 3.3.2 JPEG格式 030 3.3.3 PNG格式 031 3.3.4 GIF格式 031 3.3.5 TIFF格式 031 3.4 數(shù)字圖像處理步驟 032 3.5 數(shù)字圖像基本性質(zhì) 033 3.5.1 圖像通道 033 3.5.2 圖像分辨率 033 3.5.3 圖像鄰域 033 3.5.4 圖像連通域 034 3.5.5 像素之間的距離 034 3.5.6 圖像直方圖 035 3.5.7 圖像的熵 036 3.5.8 圖像中的其他統(tǒng)計特征 037 練習(xí) 037 第4章 OpenCV基礎(chǔ)知識? 039 4.1 OpenCV簡介 039 4.2 OpenCV組織架構(gòu) 040 4.2.1 OpenCV的模塊 041 4.2.2 OpenCV的擴展庫 043 4.2.3 OpenCV的文檔 043 4.3 OpenCV的使用 044 4.4 使用OpenCV的例子 045 練習(xí) 050 第5章 改善數(shù)字圖像質(zhì)量? 051 5.1 灰度變換增強 051 5.1.1 線性變換 051 5.1.2 分段線性變換 052 5.1.3 對數(shù)變換 055 5.1.4 冪次變換 055 5.2 直方圖變換增強 058 5.2.1 直方圖均衡化 059 5.2.2 直方圖規(guī)定化 060 5.3 圖像平滑濾波 064 5.3.1 圖像卷積運算 065 5.3.2 均值平滑濾波 067 5.3.3 中值濾波 068 5.3.4 高斯濾波 069 5.3.5 雙邊濾波 070 5.4 代數(shù)運算 074 5.4.1 圖像加法 074 5.4.2 圖像減法 075 5.4.3 圖像乘法 075 5.4.4 圖像除法 075 5.5 圖像邏輯運算 078 練習(xí) 080 第6章 圖像幾何變換? 082 6.1 圖像插值 082 6.1.1 最近鄰插值 082 6.1.2 雙線性插值 084 6.1.3 雙立方插值 085 6.2 圖像仿射變換 087 6.3 圖像透視變換 089 6.4 圖像極坐標(biāo)變換 091 練習(xí) 093 第7章 圖像邊界增強與邊緣檢測? 095 7.1 圖像中的梯度 095 7.2 一階微分算子 097 7.2.1 水平微分和垂直微分 097 7.2.2 Kirsch算子 100 7.2.3 Sobel算子 101 7.2.4 Prewitt算子 102 7.2.5 Roberts算子 102 7.3 二階微分算子 104 7.3.1 Laplacian算子 104 7.3.2 LOG算子 105 7.3.3 DOG算子 106 7.4 Canny算子 107 練習(xí) 109 第8章 圖像的數(shù)學(xué)形態(tài)學(xué)處理? 110 8.1 形態(tài)學(xué)基礎(chǔ) 110 8.2 二值圖像形態(tài)學(xué)運算 112 8.2.1 膨脹運算 112 8.2.2 腐蝕運算 114 8.2.3 開運算和閉運算 116 8.2.4 擊中擊不中變換 119 8.3 灰度圖像數(shù)學(xué)形態(tài)學(xué)運算 123 8.3.1 灰度圖膨脹與腐蝕 123 8.3.2 灰度圖開運算與閉運算 124 8.3.3 形態(tài)學(xué)梯度 125 8.3.4 頂帽 125 8.3.5 底帽 126 8.4 形態(tài)學(xué)運算的應(yīng)用 128 8.4.1 二值圖像形態(tài)學(xué)應(yīng)用 128 8.4.2 灰度圖像形態(tài)學(xué)應(yīng)用 130 練習(xí) 135 第9章 常用圖像分割方法? 136 9.1 閾值分割方法 136 9.1.1 全局閾值分割 137 9.1.2 局部閾值分割 141 9.2 區(qū)域生長算法 144 9.3 分水嶺算法 147 9.4 其他分割方法 151 練習(xí) 152 第10章 模板匹配? 154 10.1 圖像金字塔 154 10.1.1 高斯金字塔 155 10.1.2 拉普拉斯金字塔 156 10.2 基于灰度值的模板匹配 157 10.3 帶旋轉(zhuǎn)與縮放的模板匹配 165 10.4 利用邊緣檢測結(jié)果進行匹配 166 10.5 基于梯度的匹配 167 10.6 基于特征的匹配 168 10.6.1 利用圖像矩進行模板匹配 168 10.6.2 利用特征點進行匹配 170 練習(xí) 171 第11章 圖像特征? 172 11.1 幾何特征檢測 172 11.1.1 霍夫變換直線檢測 173 11.1.2 霍夫變換圓檢測 176 11.2 特征點檢測 178 11.2.1 Harris角點檢測 178 11.2.2 FAST特征點檢測 181 11.2.3 SIFT特征檢測 184 11.3 HOG特征 187 11.4 紋理特征 188 11.4.1 灰度共生矩陣 189 11.4.2 LBP特征 190 練習(xí) 192 第12章 機器學(xué)習(xí)? 193 12.1 K-近鄰算法 193 12.2 多層感知機 195 12.3 支持向量機 197 12.4 卷積神經(jīng)網(wǎng)絡(luò) 200 12.5 YOLO算法 203 練習(xí) 205 第13章 攝像機標(biāo)定? 206 13.1 攝像機標(biāo)定原理 206 13.1.1 坐標(biāo)系轉(zhuǎn)換關(guān)系 207 13.1.2 鏡頭畸變 209 13.2 標(biāo)定過程 211 練習(xí) 216 第14章 機器視覺應(yīng)用實例分析? 217 14.1 點陣字符分割 217 14.1.1 確定字符區(qū)域 218 14.1.2 字符區(qū)域二次分割 219 14.1.3 提取每個字符連通域 219 14.2 鏡片定位與自動分揀 222 14.2.1 提取凹面鏡片區(qū)域 223 14.2.2 中心位置查找 224 14.3 布料瑕疵檢測 227 14.3.1 彩色圖像分解 228 14.3.2 瑕疵區(qū)域提取 229 14.4 EmguCV與C#混合編程實例 231 14.4.1 EmguCV簡介 231 14.4.2 圖像處理算法設(shè)計 233 14.4.3 系統(tǒng)設(shè)計與算法集成 234 14.5 用C#搭建一個在線檢測視覺圖像采集系統(tǒng) 243 14.5.1 在線圖像采集簡介 243 14.5.2 利用攝像機SDK實現(xiàn)在線視覺系統(tǒng)圖像采集 244 練習(xí) 253 附錄? 254 附錄Ⅰ OpenCV C++配置 254 附錄Ⅱ 機器學(xué)習(xí)示例C++代碼 260 附錄Ⅲ OpenCV常用函數(shù)或類 278 附錄Ⅳ OpenCV機器視覺處理實例 283 參考文獻? 326