1.涵蓋圖像預處理、圖像的形態學處理、顏色與紋理、圖像分割與分類、立體視覺、深度學習、表面檢測、完整性檢測、模板匹配、三維定位等各種機器視覺圖像處理技術和檢測技術。
2.對機器視覺圖像處理的各種技術做了原理上的分析和代碼實現。
3.案例典型，實戰性強，大量可重用代碼，可應用於真實場景。

隨著機器視覺技術的飛速發展，大量需要使用機器視覺代替人工檢測的需求應運而生。Halcon在開發機器視覺項目中表現出的高效性和穩定性，使其應用範圍非常廣泛。本書將針對機器視覺的原理和算法，以及如何應用算法解決問題進行探討和說明，並利用Halcon對各種機器視覺算法進行舉例，讓讀者全面、深入、透徹地理解Halcon機器視覺開發過程中的各種常用算法的原理及其應用方法，提高實際開發水平和項目實戰能力。同時，也為機器視覺項目的管理者提供項目管理和技術參考。
《Halcon機器視覺算法原理與編程實戰》適合需要全面學習機器視覺算法的初學者，希望掌握Halcon進行機器視覺項目開發的程序員，需要了解機器視覺項目開發方法的工業客戶、機器視覺軟件開發項目經理、專業培訓機構的學員，以及對機器視覺算法興趣濃厚的人員閱讀。

楊青，北京大學軟件工程碩士，現任某科研單位圖像算法主管。2010年以來一直從事圖像視覺算法與軟件研發工作，2015年起開始主導機器視覺項目，曾負責雙目立體視覺探測、基於機器視覺的自動化產品檢測、顯示器缺陷檢測、智能識別等多個視覺項目。為醫療、航天、工業、科研等多個領域的客戶提供了智能場景的機器視覺繫統的軟硬件方案。

• 
• 
• 
• 
• 
• 

本書非常適合初學者、工程師和對機器視覺技術感興趣的讀者，書中用大量的實例介紹了機器視覺的算法和應用，有助於讀者學習機器視覺的原理並快速上手。
——虞志益中山大學電子與信息工程學院 教授、博士生導師

機器視覺是工業領域發展的動力和方向，本書用成熟的方法和案例，介紹機器視覺的編程方法，值得一讀。
——陳小軍開異智能技術（上海）有限公司 前銷售主管

“機器人”“智能駕駛”“無人機”“大數據”等詞彙越來越多地出現在人們的生活中，追根溯源，這些都離不開機器視覺的飛速發展。本書圍繞如何運用機器視覺開展項目這一主題，采取講事實、舉案例的形式來講解，是一本值得參考的入門書籍。
——張陽原中國電子視像行業協會智能顯示車聯網分會 副主任

第 1章機器視覺概述 002
1.1什麼是機器視覺 003
1.2機器視覺與計算機視覺的區別 003
1.3機器視覺的工作原理 005
1.4機器視覺的應用領域 006
第 2章如何做機器視覺項目 008
2.1項目的前期準備 009
2.1.1從 5個方面初步分析客戶需求 009
2.1.2方案評估與驗證 009
2.1.3簽訂合同 010
2.2項目規劃 011
2.2.1定義客戶的詳細需求 011
2.2.2制訂項目管理計劃 011
2.2.3方案評審 012
2.3詳細設計 012
2.3.1硬件設備的選擇與環境搭建 012
2.3.2軟件開發平臺與開發工具的選擇 013
2.3.3機器視覺繫統的整體框架與開發流程 013
2.3.4交互界面設計 014
2.3.5 Halcon與開發工具 014
2.4項目交付 015
2.4.1軟件功能測試 015
2.4.2現場調試 015
2.4.3繫統維護 016
第 3章硬件環境搭建 017
3.1相機 018
3.1.1相機的主要參數 018
3.1.2相機的種類 019
3.1.3相機的接口 020
3.1.4相機的選型 020
3.2圖像采集卡 022
3.2.1圖像采集卡的種類 022
3.2.2圖像采集卡的選型 023
3.3鏡頭 023
3.4光源 024
3.5實例：硬件選型 025
第 4章軟件圖像采集 026
4.1獲取非實時圖像 027
4.1.1讀取圖像文件 027
4.1.2讀取視頻文件 028
4.2獲取實時圖像 030
4.2.1 Halcon的圖像采集步驟 030
4.2.2 使用 Halcon接口連接相機 030
4.2.3 使用相機的 SDK采集圖像 033
4.2.4外部觸發采集圖像 033
4.3 多相機采集圖像 034
4.4 Halcon圖像的基本結構 035
4.5 實例：采集 Halcon圖像並進行簡單處理036
第 5章圖像預處理 040
5.1圖像的變換與校正 041
5.1.1二維圖像的平移、旋轉和縮放 041
5.1.2圖像的仿射變換 042
5.1.3投影變換 042
5.1.4實例：透視形變圖像校正 043
5.2 感興趣區域（ROI）045
5.2.1 ROI的意義 045
5.2.2創建 ROI045
5.3 圖像增強046
5.3.1直方圖均衡 046
5.3.2增強對比度 ·048
5.3.3處理失焦圖像 049
5.4 圖像平滑與去噪 049
5.4.1均值濾波 049
5.4.2中值濾波 050
5.4.3高斯濾波 051
5.5 光照不均勻 052
第 6章圖像分割 054
6.1閾值處理 055
6.1.1全局閾值 055
6.1.2基於直方圖的自動閾值分割方法 056
6.1.3自動全局閾值分割方法 057
6.1.4局部閾值分割方法 058
6.1.5其他閾值分割方法 060
6.2 區域生長法062
6.2.1 regiongrowing算子062
6.2.2 regiongrowing_mean算子064
6.3 分水嶺算法065
第 7章顏色與紋理067
7.1圖像的顏色068
7.1.1圖像的色彩空間068
7.1.2 Bayer圖像069
7.1.3顏色空間的轉換070
7.2 顏色通道的處理 070
7.2.1圖像的通道 071
7.2.2訪問通道 071
7.2.3通道分離與合並 071
7.2.4處理 RGB信息 073
7.3實例：利用顏色信息提取背景相似的字符區域 074
7.4 紋理分析 075
7.4.1紋理濾波器 075
7.4.2實例：織物折痕檢測 076
第 8章圖像的形態學處理 077
8.1腐蝕與膨脹 078
8.1.素 078
8.1.2腐蝕 078
8.1.3膨脹 080
8.2開運算與閉運算 082
8.2.1開運算 082
8.2.2閉運算 084
8.3頂帽運算與底帽運算 085
8.3.1頂帽運算 086
8.3.2底帽運算 086
8.3.3頂帽運算與底帽運算的應用 087
8.4灰度圖像的形態學運算 089
8.4.1灰度圖像與區域的區別 089
8.4.2灰度圖像的形態學運算效果及常用算子 089
8.5實例：粘連木材圖像的目標分割與計數 091
第 9章特征提取 095
9.1區域形狀特征 096
9.1.1區域的面積和中心點 096
9.1.2封閉區域（孔洞）的面積 097
9.1.3根據特征值選擇區域 098
9.1.4根據特征值創建區域 100
9.2基於灰度值的特征 103
9.2.1區域的灰度特征值 103
9.2.2區域的最大、最小灰度值 105
9.2.3灰度的平均值和偏差 106
9.2.4灰度區域的面積和中心 107
9.2.5根據灰度特征值選擇區域 107
9.3基於圖像紋理的特征 109
9.3.1灰度共生矩陣 109
9.3.2創建灰度共生矩陣 110
9.3.3用共生矩陣計算灰度值特征 111
9.3.4計算共生矩陣並導出其灰度值特征 111
9.3.5實例：提取圖像的紋理特征 112
第10 章邊緣檢測 115
10.1像素級邊緣提取 116
10.1.1經典的邊緣檢測算子 116
10.1.2邊緣檢測的一般流程 117
10.1.3 sobel_amp算子 117
10.1.4 edges_image算子 120
10.1.5其他濾波器 122
10.2亞像素級邊緣提取 124
10.2.1 edges_sub_pix算子 125
10.2.2 edges_color_sub_pix算子 126
10.2.3 lines_gauss算子 127
10.3輪廓處理 129
10.3.1輪廓的生成 130
10.3.2輪廓的處理 130
第11 章模板匹配134
11.1模板匹配的種類 135
11.1.1基於灰度值的模板匹配 135
11.1.2基於相關性的模板匹配 136
11.1.3基於形狀的模板匹配 136
11.1.4基於組件的模板匹配 137
11.1.5基於形變的模板匹配 138
11.1.6基於描述符的模板匹配 138
11.1.7基於點的模板匹配 139
11.1.8模板匹配方法總結 139
11.2圖像金字塔 140
11.3模板圖像 142
11.3.1從參考圖像的特定區域中創建模板 ·142
11.3.2使用 XLD輪廓創建模板 143
11.4模板匹配的步驟 143
11.4.1基於灰度值的模板匹配 143
11.4.2基於相關性的模板匹配 145
11.4.3基於形狀的模板匹配 147
11.4.4基於組件的模板匹配 149
11.4.5基於局部形變的模板匹配 150
11.4.6基於透視形變的模板匹配 152
11.4.7基於描述符的模板匹配 153
11.4.8優化匹配速度 155
11.4.9使用 Halcon匹配助手進行匹配 156
11.5實例：指定區域的形狀匹配 159
第12 章圖像分類 163
12.1分類器 164
12.1.1分類的基礎知識 164
12.1.2 MLP分類器 166
12.1.3 SVM分類器 166
12.1.4 GMM分類器 166
12.1.5 k-NN分類器 167
12.1.6選擇合適的分類器 167
12.1.7選擇合適的特征 168
12.1.8選擇合適的訓練樣本 168
12.2特征的分類 169
12.2.1一般步驟 169
12.2.2 MLP分類器 170
12.2.3 SVM分類器 176
12.2.4 GMM分類器 176
12.2.5 k-NN分類器 177
12.3光學字符識別 178
12.3.1一般步驟 179
12.3.2 OCR實例 179

與相機建立聯繫後，實時地讀取圖像是在grab_image 或grab_image_async 算子中實現的，二者有如下區別。
grab_image 用於相機的同步采集。其工作流程是先獲取圖像，然後等圖像轉換等處理流程完成之後再獲取下一幀圖像。圖像的獲取和處理是兩個順序執行的環節。因此，下一幀圖像的獲取要等待上一幀圖像的處理完成纔開始，這樣相機的實際幀率可能會低於標定的值，還可能會有采集過程耗時太長的情況。
grab_image_async 用於相機的異步采集。異步采集不需要等到上一幀圖片處理完成再開始捕獲下一幀，圖像的獲取和處理是兩個獨立的環節。異步采集可以在當前圖像捕獲完成後立即捕獲下一幀，也可以根據設定的時間間隔獲取圖像。該算子的最後一個參數可用於設置延時，達到延時時間即可開始捕獲下一幀圖像。在實際使用中，常常使用多線程同步機制配合異步采集。

為什麼要寫這本書？
隨著機器視覺技術的飛速發展，大量需要使用機器視覺代替人工檢測的需求應運而生。Halcon在開發機器視覺項目中表現出的高效性和穩定性，使其應用範圍非常廣泛。程序員要想進入機器視覺開發行業，除了需要有基礎的圖像處理知識、理論知識，融會貫通各種圖像處理算法外，最好還要熟悉有典型意義和實際價值的各類開發實例。這樣纔能在開發機器視覺項目的過程中遊刃有餘地解決各種圖像處理問題，使開發結果達到理想的效果。
目前圖書市場上關於圖像處理的圖書不少，但是結合 Halcon進行算法分析和實際項目應用的圖書卻非常少。本書便是以實戰為主旨，通過 Halcon開發機器視覺項目中常見的 10種典型算法模塊，並列舉了應用實例，讓讀者全面、深入、透徹地理解 Halcon機器視覺開發過程中的各種常用算法的原理及其應用方法，提高讀者的實際開發水平和項目實戰能力。
本書有何特色？
1. 涵蓋各種機器視覺圖像處理技術及常用檢測技術
本書涵蓋圖像預處理、圖像的形態學處理、顏色與紋理、圖像分割與分類、立體視覺、
深度學習、表面檢測、完整性檢測、模板匹配、三維定位等常用機器視覺圖像處理技術和檢測技術。
2. 對機器視覺圖像處理的各種技術做了原理上的介紹和編程代碼舉例
本書從一開始便對機器視覺項目開發和軟硬件環境配置做了基本介紹，並對各種機器視覺圖像處理技術和常用檢測技術進行了原理分析和代碼舉例，便於讀者理解書中的項目開發實例。
3. 模塊驅動，應用性強
本書提供了 10個機器視覺項目中的算法模塊，這些算法模塊都是機器視覺圖像處理中經常用到的，具有超強的實用性，開發人員可以隨時查閱和參考。
4. 項目案例典型，實戰性強，有很高的應用價值
本書在第 2篇介紹了多個案例，並對各種算法進行了代碼舉例。第 3篇提供了 4個項目實戰案例。這些案例來源於作者所開發的實際項目，具有很高的應用價值和參考性。而且這些案例將不同的圖像處理算法組合使用，便於讀者理解本書中所介紹的技術。將這些案例稍加修改，便可用於實際項目開發。
5. 提供完善的技術支持和售後服務

本書提供了專門的技術支持郵箱： ginnyyang@qq.com。讀者在閱讀本書的過程中有任何疑問都可以通過該郵箱獲得幫助。
本書內容及知識體繫
第 1篇基礎篇（第 1～ 4章）
本篇介紹了機器視覺概述、如何做機器視覺項目、硬件環境搭建和軟件圖像采集等基礎知識，主要包括機器視覺項目開發流程、機器視覺項目的硬件環境搭建方法、軟件圖像采集方法等。
第 2篇算法篇（第 5～ 14章）
本篇介紹了機器視覺圖像處理中常用的 10個典型算法模塊及其代碼實現，主要包括圖像預處理、圖像分割、顏色與紋理、圖像的形態學處理、特征提取、邊緣檢測、模板匹配、圖像分類、相機標定與三維重建、機器視覺中的深度學習等。
第 3篇應用案例篇（第 15～ 18章）
本篇主要介紹了 4個項目案例的開發過程，主要包括印刷完整性檢測、布料表面缺陷檢測、儀表數值智能識別、雙目立體視覺與定位。在具體剖析這 4個案例時，涉及繫統功能、檢測算法、具體實現的詳細過程。
適合閱讀本書的讀者
想要全面學習機器視覺算法的初學者。
希望使用 Halcon進行機器視覺項目開發的程序員。
想要了解機器視覺項目開發方法的工業客戶。
機器視覺軟件開發項目經理。
希望提高圖像處理水平的人員。
對機器視覺算法興趣濃厚的人員。
需要一本關於機器視覺算法的案頭必備查詢手冊的人員。
閱讀本書的建議
沒有機器視覺算法基礎的讀者，建議從第 1章順次閱讀，並演練每一個實例。
有一定機器視覺算法基礎的讀者，可以根據實際情況，有重點地選擇閱讀各個章節和編程實例。
對於每一個章節和編程實例，先自己思考一下實現的思路，然後再閱讀，學習效果會更好。
閱讀完書中的章節和編程實例後，可以結合學習資源中提供的代碼實際演練一遍，這樣理解起來會更加容易，印像也會更加深刻。可掃描以下二維碼關注“博雅讀書社”微信公眾號，找到“資源下載”欄目，根據提示獲取本書資源。