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