机器视觉与数字图像处理基础(HALCON版)

本书介绍了机器视觉系统的概念、原理、视觉系统组成以及数字图像处理基础，重点介绍了机器视觉系统的图像采集系统、视觉图像处理基础算法以及机器视觉的典型应用案例，典型案例介绍了机器视觉的应用并采用halcon与c#混合编程的方式演示了如何搭建机器视觉系统。本书重在理论联系实际，从图像采集部分开始到数字图像处理部分，除了介绍相关的理论知识外，结合具体的实际案例介绍halcon编程，提供了明确的使用方法。对每一种数字图像处理算法在机器视觉系统中的应用，都通过实例说明了具体的应用方法和注意事项。本书中提供的实例图像大部分来至于工业应用现场。每章均配有典型习题供练习使用，以加深对内容的理解。本书既可作为高等学校机械电子、工业机器人、智能制造、自动化、计算机、电子信息、测控等专业的教材，也可供图像处理及与机器视觉相关的科研和工程技术人员参考。

第1章绪论
1.1机器视觉的概念2
1.2机器视觉的组成2
1.3机器视觉系统的特点3
1.4机器视觉系统的应用领域4
1.4.1在工业生产中的应用4
1.4.2在农产品检测中的应用5
1.4.3在医学中的应用6
1.4.4在军工以及制导方面的应用6
1.4.5在其他方面的应用7
习题7
第2章机器视觉图像采集
2.1光源9
2.1.1电磁辐射9
2.1.2光源类型10
2.1.3光源的形状11
2.1.4光源照明方式14
2.2镜头17
2.2.1焦距17
2.2.2光圈18
2.2.3其他镜头参数19
2.3摄像机19
2.3.1CCD芯片尺寸20
2.3.2分辨率21
2.3.3帧率与曝光时间21
2.3.4其他摄像机参数22
习题22
第3章数字图像处理基础
3.1数字图像的表示25
3.2数字图像分类25
3.2.1彩色图像26
3.2.2二值图像26
3.2.3灰度图像27
3.2.4索引图像29
3.3数字图像的格式30
3.3.1BMP格式30
3.3.2JPEG格式30
3.3.3PNG格式30
3.3.4GIF格式30
3.3.5TIFF格式31
3.4数字图像处理的一般步骤和方法31
3.5图像性质32
3.5.1图像的通道32
3.5.2图像的分辨率32
3.5.3图像的邻域32
3.5.4图像的连通域33
3.5.5像素之间的距离33
3.5.6图像直方图34
3.5.7图像中的熵35
3.5.8图像中的其他统计特征36
习题36
第4章HALCON简介
4.1HALCON介绍39
4.2HALCON界面认识39
4.2.1菜单栏41
4.2.2工具栏41
4.2.3子窗口42
4.3HALCON的数据类型44
4.3.1HALCON的Image图像45
4.3.2Region区域47
4.3.3XLD轮廓49
4.3.4Tuple元组50
4.4HALCON控制语句55
4.4.1if条件语句55
4.4.2while循环语句56
4.4.3for循环语句57
4.4.4switch分支条件语句57
4.4.5中断语句58
4.5第一个机器视觉例子59
习题61
第5章图像增强
5.1灰度变换63
5.1.1线性变换63
5.1.2分段线性变换64
5.1.3对数变换64
5.1.4幂次变换65
5.2直方图变换67
5.2.1直方图均衡化67
5.2.2直方图规定化69
5.3图像平滑处理72
5.3.1图像卷积运算概念72
5.3.2均值滤波74
5.3.3中值滤波75
5.3.4高斯滤波76
5.3.5双边滤波77
5.4代数运算79
5.4.1图像加法80
5.4.2图像减法80
5.4.3图像乘法80
5.4.4图像除法81
5.5图像逻辑运算82
习题84
第6章图像几何变换
6.1图像插值87
6.1.1最近邻插值87
6.1.2双线性插值88
6.1.3双三次插值89
6.2仿射变换90
6.3透视变换93
6.4极坐标变换94
习题95
第7章图像锐化与边缘检测
7.1图像梯度的概念98
7.2一阶微分算子锐化与边缘检测99
7.2.1水平微分和垂直微分算子99
7.2.2Kirsch算子102
7.2.3Sobel算子102
7.2.4Prewitt算子103
7.2.5Roberts算子104
7.3二阶微分算子105
7.3.1Laplacian算子106
7.3.2LOG算子107
7.3.3DOG算子107
7.4Canny算子108
习题109
第8章数学形态学处理
8.1形态学运算基础112
8.2二值图像形态学运算113
8.2.1膨胀运算114
8.2.2腐蚀运算115
8.2.3开运算和闭运算117
8.2.4击中击不中变换119
8.3灰度图像数学形态学运算122
8.3.1灰度图膨胀与腐蚀122
8.3.2灰度图开运算与闭运算123
8.3.3形态学梯度124
8.3.4顶帽124
8.3.5底帽124
8.4形态学运算的应用126
8.4.1二值图形态学应用126
8.4.2灰度图形态学应用128
习题131
第9章图像分割
9.1基于灰度值的阈值分割134
9.1.1全局阈值分割134
9.1.2局部阈值分割138
9.2区域生长算法141
9.3分水岭算法142
9.4其他分割算法介绍145
习题146
第10章图像模板匹配
10.1图像金字塔148
10.1.1高斯金字塔148
10.1.2拉普拉斯金字塔149
10.2基于灰度值的匹配150
10.3带旋转与缩放的匹配156
10.4基于边缘的匹配156
10.5形状匹配157
10.6基于特征的匹配161
10.6.1基于矩的匹配方法161
10.6.2基于特征点的匹配方法163
习题163
第11章摄像机标定
11.1标定原理166
11.1.1坐标系之间的转换关系167
11.1.2镜头畸变169
11.2标定过程170
习题175
第12章机器视觉应用实例分析
12.1点阵字符分割与识别177
12.1.1确定字符区域177
12.1.2分割单个字符178
12.1.3字符训练与识别179
12.2镜片自动分拣181
12.2.1提取凹面镜片区域182
12.2.2中心位置查找183
12.3布料瑕疵检测184
12.3.1彩色图像分解185
12.3.2瑕疵区域提取186
12.4HALCON与C#混合编程实例188
12.4.1图像处理算法导出188
12.4.2系统设计与算法集成189
习题198
参考文献199