数字图像处理与深度学习

（1）立足构建实际的机器视觉系统，建立系统的观念，学会从系统的角度分析机器视觉系统的性能、面对的挑战以及采用的应对方法 （2）融合数字图像处理和深度学习，体现当下以深度学习为主、以数字图像处理为辅来构建机器视觉模型的主流技术路线 （3）紧密结合复杂工业场景应用和案例，原理讲解通俗、易于理解，案例解读实用、针对性强

本书以机器视觉系统为研究背景，紧密结合实际工业应用案例，介绍传统数字图像处理方法和基于深度学习的数字图像处理方法。本书共8章，内容包括数字图像处理概述、基于传统方法的数字图像处理、基于深度学习的数字图像处理、工业字符智能识别、磨粒图谱识别与分割、射线检测的焊缝缺陷识别、嵌入式机器视觉系统开发、工业数字图像处理相关工具和平台。
本书逻辑结构清晰、内容通俗易懂、案例丰富、图文并茂，突出构建机器视觉系统的实用性。本书教学资源丰富，每章配置了大量的习题以巩固基本概念、基础理论和算法，附录还给出4个典型实验以培养综合开发和运用能力。
本书可作为具有一定计算机基础和程序设计基础知识的本科生教材，也可作为从事机器视觉、数字图像等相关工作的工程师的参考书。

第1章数字图像处理概述/1
1.1数字图像1
1.2数字图像处理2
1.3工业数字图像4
1.4图像的数字化6
1.4.1颜色及颜色空间7
1.4.2图像的采样15
1.4.3图像的量化15
1.4.4图像的编码16
1.4.5数字图像的存储空间17
1.5机器视觉系统18
1.5.1机器视觉系统概述18
1.5.2光源19
1.5.3相机23
1.5.4图像采集卡25
1.5.5工业视觉处理机26
1.6机器视觉系统的典型案例26
1.6.1钢铁生产过程的钢板号智能识别系统27
1.6.2焊接缺陷智能识别及辅助评片系统27
1.6.3机械设备磨粒图谱智能识别系统27
1.6.4钢包挂钩安全检测系统29
1.7机器视觉系统的开发流程29
本章小结30
习题30
第2章基于传统方法的数字图像处理/32
2.1数字图像中像素间的空间关系32
2.1.1像素的邻域32
2.1.2像素间的邻接关系33
2.1.3通路34
2.2数字图像中像素的基本运算34
2.2.1线性点运算34
2.2.2算术运算36
2.2.3逻辑运算39
2.2.4直方图均匀化40
2.3图像滤波45
2.3.1均值滤波46
2.3.2高斯加权均值滤波47
2.3.3中值滤波48
2.3.4双边滤波49
2.3.5频域滤波50
2.4边缘检测53
2.4.1梯度原理54
2.4.2Roberts算子55
2.4.3Sobel算子56
2.4.4Prewitt算子57
2.4.5拉普拉斯算子58
2.4.6Canny算子59
2.5图像分割63
2.5.1阈值分割63
2.5.2优选类间方差法65
2.5.3区域生长算法67
2.5.4分水岭算法68
2.5.5聚类算法70
2.5.6图割算法71
2.6图像的形态学处理方法73
2.6.1腐蚀74
2.6.2膨胀74
2.6.3开闭运算76
2.7图像的纹理特征79
2.7.1图像的统计矩80
2.7.2灰度共生矩阵81
2.7.3LBP85
2.7.4分形维数90
2.8图像处理的简单应用91
2.8.1基于模板匹配的目标检测91
2.8.2霍夫检测93
2.8.3特征检测97
2.9金相组织分析101
本章小结104
习题105
第3章基于深度学习的数字图像处理/109
3.1人工智能与机器学习109
3.1.1人工智能概述109
3.1.2机器学习概述110
3.2深度学习的基本概念111
3.2.1深度学习概述111
3.2.2深度学习的损失函数113
3.2.3深度学习的评价指标115
3.2.4深度学习模型开发的一般过程117
3.3普通神经网络120
3.3.1人工神经元121
3.3.2神经网络的拓扑结构121
3.3.3激活函数122
3.3.4BP算法124
3.4深度卷积神经网络128
3.4.1卷积129
3.4.2层间连接133
3.4.3池化134
3.4.4全连接135
3.4.5Dropout136
3.4.6批量归一化136
3.4.7深度卷积神经网络的参数优化方法136
3.5经典的深度卷积神经网络140
3.5.1LeNet5140
3.5.2VGG16141
3.6深度卷积神经网络中的新技术143
3.6.1Inception模块143
3.6.2视觉注意力模块144
本章小结146
习题147
第4章工业字符智能识别/151
4.1钢铁生产过程中的工业字符151
4.2钢铁生产过程中工业字符识别的难点153

……