机器视觉

本书作为一本系统而实用的机器视觉教材，内容涵盖了机器视觉领域的核心概念、基本原理和应用技术。全书以Marr视觉计算理论为框架，结合作者团队多年教学经验及研究成果，深入讨论了图像获取、图像处理、视觉跟踪、2.5维视觉、三维视觉的相关知识，进一步介绍了机器视觉系统的实现和应用实例。本书可作为高等院校计算机、自动化、电子工程等专业高年级本科生和研究生的教材，同时也适合机器视觉工程师和专业技术人员在项目实践中参考。

屈桢深，博士学位，哈尔滨工业大学航天学院 控制科学与工程学科教授，博士生导师；人工智能研究院兼职研究员。AIAA高级会员，IEEE会员，中国宇航学会会员，航空学报、IEEE等期刊审稿人。近年一直从事智能感知与智能系统方向的研究和实践工作。主持及承担包括国家大科学工程、基础预研、国家自然科学基金、揭榜挂帅等多项国家及省部级项目，在无人系统及机器视觉等方向取得一系列突破性研究成果。累计发表论文50余篇，授权专利二十项，获省部级一等奖一项，二等奖一项。

第1章概述/1
1.1机器视觉的定义/1
1.2机器视觉任务/2
1.3机器视觉发展简史/4
1.3.1视觉神经生理学/4
1.3.2人工智能与机器学习/5
1.3.3数字图像处理/6
1.3.4机器视觉的发展/7
1.4机器视觉应用/12
1.4.1机器人视觉分拣/12
1.4.2智能视频监控/14
1.4.3锂电池表面缺陷检测/15
1.4.4同时定位与建图/16
1.5本书内容组织与教学建议/18
1.5.1内容组织/18
1.5.2教学建议/19
第2章图像获取/21
2.1人类视觉感知/21
2.1.1人眼结构/21
2.1.2视觉特性/23
2.2照明和颜色/24
2.2.1照明/24
2.2.2颜色与颜色模型/26
2.3视觉信息获取/31
2.3.1CCD与CMOS传感器/31
2.3.2彩色图像传感器/34
2.3.3深度图像传感器/35
2.4图像量化与表达/39
2.4.1采样和量化/39
2.4.2Gamma校正/40
2.4.3图像的数字表达/42
2.5图像压缩与视频压缩/44
2.5.1图像压缩/44
2.5.2视频压缩/45
2.5.3视频压缩标准/46
第3章图像处理/49
3.1图像的傅里叶变换/49
3.1.1频域与时域/49
3.1.2典型的二维信号/50
3.1.3傅里叶变换/51
3.2图像滤波/57
3.2.1线性滤波/58
3.2.2非线性滤波/61
3.2.3频域滤波/63
3.3边缘检测/67
3.3.1边缘检测原理/67
3.3.2边缘检测线性算子/68
3.4数学形态学滤波/75
3.4.1数学形态学滤波基础/75
3.4.2数学形态学运算/76
第4章图像分割与描述/81
4.1图像直方图与阈值分割/81
4.1.1图像直方图/82
4.1.2阈值分割/84
4.1.3局部阈值分割/86
4.2基于区域生长的图像分割/87
4.2.1区域生长与图像填充/87
4.2.2种子点的自动选取/88
4.2.3区域生长准则/89
4.3分水岭分割算法/90
4.3.1基本思想/90
4.3.2数学描述/92
4.3.3实验效果/92
4.3.4改进的分水岭分割算法/94
4.4活动轮廓与Snake模型/94
4.4.1基于能量泛函的分割方法/94
4.4.2Snake模型/95
4.4.3Snake模型计算步骤与实验效果/96
4.5图像标记/97
4.6图像描述/99
4.6.1简单描述符/99
4.6.2图像的Hu不变矩/103
第5章特征检测与匹配/106
5.1角点检测/106
5.1.1角点/106
5.1.2Harris角点检测/107
5.1.3SIFT角点检测/109
5.1.4SURF角点检测/113
5.1.5ORB角点检测/115
5.1.6角点检测算法比较/116
5.2特征匹配/117
5.3Hough变换与形状检测/119
5.3.1Hough变换原理/119
5.3.2Hough线变换/120
5.3.3Hough圆变换/121
第6章运动估计与滤波/123
6.1背景提取/123
6.1.1背景建模基本思想/123
6.1.2基于单一高斯模型的背景建模/124
6.1.3混合高斯模型/126
6.1.4基于混合高斯模型的背景建模/127
6.2光流估计/129
6.2.1基本光流方程/129
6.2.2Lucas-Kanade算法/130
6.2.3金字塔光流法/131
6.2.4Horn-Schunck算法/132
6.3目标跟踪/134
6.3.1基本问题/134
6.3.2Meanshift算法/135
6.3.3KCF算法/137
6.4运动模型与滤波/140
6.4.1运动模型/140
6.4.2卡尔曼滤波/141
6.4.3粒子滤波/145
第7章单目位姿测量与标定/150
7.1坐标系与成像模型/150
7.1.1坐标系定义与坐标变换/150
7.1.2线性成像模型/152
7.1.3非线性畸变模型/154
7.2单目视觉相对位姿测量/155
7.2.1P3P问题求解/156
7.2.2PnP问题通用线性求解/157
7.2.3改进的PnP问题求解/158
7.2.4结果优化/161
7.3相机参数标定/162
7.3.1张正友平面标定法/162
7.3.2标定步骤/165
第8章多视图几何与三维重建/167
8.1极线几何与基础矩阵/167
8.1.1极线几何/167
8.1.2本质矩阵/168
8.1.3基础矩阵/170
8.1.4基础矩阵的求解方法/170
8.2运动恢复结构/172
8.2.1运动恢复结构问题/172
8.2.2欧式结构恢复/172
8.2.3透视结构恢复/174
8.2.4N视图的运动恢复结构问题/175
8.3双目立体视觉系统/176
8.3.1平行视图/176
8.3.2非平行视图/177
8.4图像拼接/179
8.4.1特征点提取与匹配/179
8.4.2单应性矩阵求解/179
8.4.3图像配准/182
8.4.4图像融合/183
8.5三维重构/183
第9章视觉系统实现/187
9.1机器视觉光源/188
9.1.1照明方式/188
9.1.2光源类型/192
9.2机器视觉相机/194
9.2.1视觉传感器/194
9.2.2相机接口/195
9.2.3镜头接口/197
9.3镜头/198
9.4图像采集卡/202
9.5计算硬件平台/203
9.5.1CPU与基于PC的视觉硬件平台/203
9.5.2图形处理器/205
9.5.3现场可编程门阵列/207
9.5.4特定应用硬件加速器/207
9.6机器视觉软件/208
9.6.1开源视觉框架与OpenCV/208
9.6.2商业机器视觉软件/210
第10章机器视觉应用实例/216
10.1ImageNet与大规模视觉识别挑战赛/216
10.1.1ImageNet介绍/216
10.1.2ImageNet大规模视觉识别挑战赛/217
10.2火星探测车视觉系统/219
10.2.1下降图像运动估计/221
10.2.2视觉避险与自主导航/221
10.2.3双目视觉测距/223
10.2.4视觉里程计/224
10.3医用大输液外观缺陷检测系统/225
10.3.1针对画面抖动的图像配准/225
10.3.2高性能圆形检测/228
10.3.3图像分类轻量级网络/229
10.3.4硬件系统实现/230
10.4狭孔内部缺陷检测系统/232
10.4.1成像系统设计/232
10.4.2狭孔缺陷检测算法设计/235
10.4.3实验结果与分析/237
10.5视觉SLAM/239
10.5.1视觉SLAM系统原理/239
10.5.2视觉SLAM框架/242
10.5.3视觉SLAM仿真验证/244
参考文献/246