第1章  緒論 

1.1機器視覺的概念 2

1.2機器視覺的組成 2

1.3機器視覺繫統的特點 3

1.4機器視覺繫統的應用領域 4

1.4.1在工業生產中的應用 4

1.4.2在農產品檢測中的應用 5

1.4.3在醫學中的應用 6

1.4.4在軍工以及制導方面的應用 6

1.4.5在其他方面的應用 7

習題 7



第2章  機器視覺圖像采集 

2.1光源 9

2.1.1電磁輻射 9

2.1.2光源類型 10

2.1.3光源的形狀 11

2.1.4光源照明方式 14

2.2鏡頭 17

2.2.1焦距 17

2.2.2光圈 18

2.2.3其他鏡頭參數 19

2.3攝像機 19

2.3.1CCD 芯片尺寸 20

2.3.2分辨率 21

2.3.3幀率與曝光時間 21

2.3.4其他攝像機參數 22

習題 22

 

第3章  數字圖像處理基礎 

3.1數字圖像的表示 25

3.2數字圖像分類 25

3.2.1彩色圖像 26

3.2.2二值圖像 26

3.2.3灰度圖像 27

3.2.4索引圖像 29

3.3數字圖像的格式 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數字圖像處理的一般步驟和方法 31

3.5圖像性質 32

3.5.1圖像的通道 32

3.5.2圖像的分辨率 32

3.5.3圖像的鄰域 32

3.5.4圖像的連通域 33

3.5.5像素之間的距離 33

3.5.6圖像直方圖 34

3.5.7圖像中的熵 35

3.5.8圖像中的其他統計特征 36

習題 36

 

第4章  HALCON 簡介 

4.1HALCON 介紹 39

4.2HALCON 界面認識 39

4.2.1菜單欄 41

4.2.2工具欄 41

4.2.3子窗口 42

4.3HALCON 的數據類型 44

4.3.1HALCON 的 Image 圖像 45

4.3.2Region 區域 47

4.3.3XLD 輪廓 49

4.3.4Tup組 50

4.4HALCON 控制語句 55

4.4.1if 條件語句 55

4.4.2while 循環語句 56

4.4.3for 循環語句 57

4.4.4switch 分支條件語句 57

4.4.5中斷語句 58

4.5個機器視覺例子 59

習題 61



第5章  圖像增強 

5.1灰度變換 63

5.1.1線性變換 63

5.1.2分段線性變換 64

5.1.3對數變換 64

5.1.4冪次變換 65

5.2直方圖變換 67

5.2.1直方圖均衡化 67

5.2.2直方圖規定化 69

5.3圖像平滑處理 72

5.3.1圖像卷積運算概念 72

5.3.2均值濾波 74

5.3.3中值濾波 75

5.3.4高斯濾波 76

5.3.5雙邊濾波 77

5.4代數運算 79

5.4.1圖像加法 80

5.4.2圖像減法 80

5.4.3圖像乘法 80

5.4.4圖像除法 81

5.5圖像邏輯運算 82

習題 84

 

第6章  圖像幾何變換 

6.1圖像插值 87

6.1.1近鄰插值 87

6.1.2雙線性插值 88

6.1.3雙三次插值 89

6.2仿射變換 90

6.3透視變換 93

6.4極坐標變換 94

習題 95



第7章  圖像銳化與邊緣檢測 

7.1圖像梯度的概念 98

7.2一階微分算子銳化與邊緣檢測 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

7.3二階微分算子 105

7.3.1Laplacian 算子 106

7.3.2LOG 算子 107

7.3.3DOG 算子 107

7.4Canny 算子 108

習題 109



第8章  數學形態學處理 

8.1形態學運算基礎 112

8.2二值圖像形態學運算 113

8.2.1膨脹運算 114

8.2.2腐蝕運算 115

8.2.3開運算和閉運算 117

8.2.4擊中擊不中變換 119

8.3灰度圖像數學形態學運算 122

8.3.1灰度圖膨脹與腐蝕 122

8.3.2灰度圖開運算與閉運算 123

8.3.3形態學梯度 124

8.3.4頂帽 124

8.3.5底帽 124

8.4形態學運算的應用 126

8.4.1二值圖形態學應用 126

8.4.2灰度圖形態學應用 128

習題 131



第9章  圖像分割 

9.1基於灰度值的閾值分割 134

9.1.1全局閾值分割 134

9.1.2局部閾值分割 138

9.2區域生長算法 141

9.3分水嶺算法 142

9.4其他分割算法介紹 145

習題 146



第10章  圖像模板匹配 

10.1圖像金字塔 148

10.1.1高斯金字塔 148

10.1.2拉普拉斯金字塔 149

10.2基於灰度值的匹配 150

10.3帶旋轉與縮放的匹配 156

10.4基於邊緣的匹配 156

10.5形狀匹配 157

10.6基於特征的匹配 161

10.6.1基於矩的匹配方法 161

10.6.2基於特征點的匹配方法 163

習題 163



第11章  攝像機標定 

11.1標定原理 166

11.1.1坐標繫之間的轉換關繫 167

11.1.2鏡頭畸變 169

11.2標定過程 170

習題 175



第12章  機器視覺應用實例分析 

12.1點陣字符分割與識別 177

12.1.1確定字符區域 177

12.1.2分割單個字符 178

12.1.3字符訓練與識別 179

12.2鏡片自動分揀 181

12.2.1提取凹面鏡片區域 182

12.2.2中心位置查找 183

12.3布料瑕疵檢測 184

12.3.1彩色圖像分解 185

12.3.2瑕疵區域提取 186

12.4HALCON 與 C#混合編程實例 188

12.4.1圖像處理算法導出 188

12.4.2繫統設計與算法集成 189

習題 198



參考文獻 199

機器視覺與圖像處理是人工智能的一個重要研究方向。隨著《中國制造 2025》的提出，提升企業的智能制造水平已經提上日程並湧現了大量的機器視覺需求。早些年由於計算機運算速度的限制，導致一些應用還無法實現。隨著計算機性能的大幅提高，機器視覺繫統已經成為工業生產的重要組成部分。

目前，機器視覺技術已經應用在各個行業中並顯現出了巨大的優勢與作用。機器視覺的核心是數字圖像處理。介紹圖像處理的書籍很多，但是，缺少機器視覺硬件方面的介紹，如圖像采集方法、相機、鏡頭以及光源照明等。此外，在介紹圖像處理的時候，更多的是對算法原理的介紹，而沒有說明算法如何應用。當前從事機器視覺行業的人員中，有不少人員要麼隻對算法原理有所理解而不知道如何應用；要麼隻會利用現有圖像處理平臺進行算法的調用和參數的調節，而不懂算法原理，從而花費大量的時間來選擇不同的算法進行結果測試，導致視覺繫統開發效率低下。因此，有必要繫統地介紹關於機器視覺的理論基礎知識、圖像處理算法基礎知識以及這些知識的具體應用。

本書結合筆者多年的理論研究和實際工程應用經驗編寫，並參考了大量文獻。首先，繫統地介紹了機器視覺繫統的概念，機器視覺中的圖像采集方法，包括光源及照明方式，鏡頭與相機主要參數等；接著介紹了機器視覺處理平臺 HALCON 的應用方法；然後，詳細介紹了數字圖像的概念，常用圖像處理算法如圖像增強、圖像幾何變換、邊緣檢測算法、數學形態學算法、圖像分割算法、模板匹配算法以及攝像機標定原理和方法，並詳細介紹了算法的使用方法，通過實例對算法結果進行了展示；後，通過具體的應用案例分析，讓讀者了解完整的視覺圖像處理過程，通過 HALCON 與 C#混合編程，讓讀者了解如何建立一個完整的機器視覺繫統。本書除了對基本理論知識進行描述之外，還對知識的應用進行了詳細的介紹，同時結合 HALCON 處理平臺，通過具體實例展示了應用效果，引導讀者在掌握視覺處理算法的基礎上，培養讀者獨立思考和解決問題的能力，同時培養讀者利用 HALCON 進行編程的能力和構建機器視覺繫統的能力，培養讀者的工程應用能力。

本書適合於高等學校機械電子工程、智能制造工程、機器人工程、人工智能等機械類、自動化類、電子信息類等專業具有一定數學基礎的本科生，也可以作為相關方向研究生的參考用書。同時，也可以作為從事圖像處理、機器視覺相關的科研人員和工程應用技術人員的參考用書。也適用於對數字圖像處理和機器視覺感興趣並具備一定數學基礎的讀者。

限於筆者水平有限，書中不足之處，敬請讀者給予批評指正。



編著者