在撰寫本書過程中，作者結合近年來教學實踐及科研的心得體會，並參考大量相關文獻，概況地描述了圖像處理理論和技術所涉及的各個分支，內容包括：數字圖像基礎、圖像運算、圖像增強、圖像分割、圖像匹配，同時講述了HALCON圖像處理基礎、HALCON數據結構、HALCON混合編程等技術和方法。在本書中，盡可能地給出了必要的基本知識及實例，深入淺出，盡量定性地去描述；同時，重點給讀者呈現了HALCON的編程技巧及突出HALCON數字圖像處理技術的應用實踐，並引導讀者掌握HALCON的編程方法，培養讀者的思維方等

●第1章機器視覺概述(1)
1.1什麼是機器視覺(2)
1.2機器視覺的工作原理(3)
1.3機器視覺常見軟件開發工具(3)
1.4工業機器人視覺繫統的應用(4)
1.4.1機器視覺的應用領域(4)
1.4.2機器視覺面臨的問題(5)
第2章工業機器人視覺繫統軟硬件環境搭建(7)
2.1工業機器人視覺繫統軟件環境搭建(8)
2.1.1Halcon軟件簡介(8)
2.1.2Halcon軟件安裝(9)
2.1.3Halcon軟件界面介紹(16)
2.1.4Halcon軟件常用操作介紹(16)
2.2工業機器人視覺繫統硬件環境搭建(18)
2.2.1工業相機(18)
2.2.2圖像采集卡(23)
2.2.3鏡頭(24)
2.2.4光源(26)
2.2.5支架平臺(26)
第3章圖像采集(27)
3.1圖像(28)
3.1.1圖像的概念(28)
3.1.2Halcon圖像的基本結構(28)
3.2獲取非實時圖像(29)
3.2.1讀取圖像文件(29)
3.2.2讀取視頻文件(30)
3.3獲取實時圖像(32)
3.3.1Halcon的圖像采集步驟(32)
3.3.2使用Halcon接口連接相機(33)
3.3.3外部觸發采集圖像(34)
3.4實例：采集圖像並進行簡單的處理(35)
第4章圖像預處理(43)
4.1圖像的變換與校正(44)
4.1.1齊次坐標(44)
4.1.2二維圖像的平移、旋轉和縮放(44)
4.1.3投影變換(46)
4.1.4圖像的仿射變換(48)
4.2感興趣區域ROI(51)
4.2.1ROI的意義(51)
4.2.2創建ROI(51)
4.3圖像增強(54)
4.3.1直方圖均衡(54)
4.3.2增強對比度(55)
4.3.3處理失焦圖像(57)
4.4圖像平滑與去噪(58)
4.4.1均值濾波(58)
4.4.2中值濾波(59)
4.4.3高斯濾波(60)
4.5實例：圖像的平滑處理與增強(61)
第5章圖像分割(63)
5.1閾值處理(64)
5.1.1全局閾值(64)
5.1.2基於直方圖的自動閾值分割方法(65)
5.1.3自動布局閾值分割方法(65)
5.1.4局部閾值分割方法(67)
5.1.5其他閾值分割方法(70)
5.2區域生長法(71)
5.2.1regiongrowing算子(72)
5.2.2regiongrowing_mean算子(73)
5.3分水嶺算法(76)
5.4實例：利用區域生長算法提取圖像中特定區域(79)
第6章顏色處理(85)
6.1圖像的顏色(86)
6.1.1圖像的色彩空間(86)
6.1.2顏色空間的轉換(87)
6.2顏色通道的處理(88)
6.2.1圖像的通道與訪問(88)
6.2.2通道分離與合並(90)
6.2.3處理RGB信息(92)
6.3實例：利用顏色信息提取顏色相近的線段(95)
第7章圖像的形態學處理(99)
7.1腐蝕與膨脹(100)
7.1.1腐蝕(100)
7.1.2膨脹(102)
7.2開運算與閉運算(104)
7.2.1開運算(104)
7.2.2閉運算(106)
7.3頂帽運算與底帽運算(109)
7.3.1頂帽運算(109)
7.3.2底帽運算(111)
7.4灰度圖像的形態學運算(113)
7.4.1灰度圖像與區域的區別(113)
7.4.2灰度圖像的形態學運算效果及常用算子(113)
7.5實例：圖像目標的分割與計數(117)
第8章特征提取(121)
8.1區域形狀特征(122)
8.1.1區域的面積和中心點(122)
8.1.2封閉區域(孔洞)的面積(124)
8.1.3根據特征值選擇區域(126)
8.1.4根據特征值創建區域(128)
8.2基於灰度值的特征(130)
8.2.1區域的灰度特征值(130)
8.2.2區域的大、小灰度值(132)
8.2.3灰度的平均值和偏差(132)
8.2.4灰度區域的面積和中心(133)
8.2.5根據灰度特征值選擇區域(134)
8.3基於圖像紋理的特征(135)
8.3.1灰度共生矩陣(136)
8.3.2灰度共生矩陣的創建與計算(137)
8.4實例：提取圖像的紋理特征(138)
第9章邊緣檢測(141)
9.1像素級邊緣提取(142)
9.1.1經典的邊緣檢測算子(142)
9.1.2sobel_amp算子(143)
9.1.3edges_image算子(145)
9.1.4laplace_of_gauss算子(148)
9.2亞像素級邊緣提取(151)
9.2.1edges_sub_pix算子(151)
9.2.2edges_color_sub_pix算子(153)
9.2.3lines_gauss算子(154)
9.3亞輪廓處理(156)
9.3.1輪廓的生成(156)
9.3.2輪廓的處理(156)
9.4實例：對圖像實現邊緣檢測並提取輪廓(159)
第10章模板匹配(165)
10.1模板匹配的種類(166)
10.1.1基於灰度值的模板匹配(166)
10.1.2基於相關性的模板匹配(167)
10.1.3基於形狀的模板匹配(167)
10.2圖像金字塔(168)
10.3模板圖像的創建(169)
10.3.1從參考圖像的特定區域中創建模板(169)
10.3.2使用XLD輪廓創建模板(170)
10.4模板匹配的步驟(172)
10.4.1基於灰度值的模板匹配(172)
10.4.2基於相關性的模板匹配(174)
10.4.3基於形狀的模板匹配(177)
10.4.4優化匹配速度(180)
10.4.5使用Halcon匹配助手進行匹配(181)
10.5實例：疊層區域的形狀匹配(182)
第11章圖像分類(187)
11.1分類器(188)
11.1.1分類的基礎知識(188)
11.1.2MLP分類器(188)
11.1.3SVM分類器(189)
11.1.4GMM分類器(190)
11.1.5k-NN分類器(190)
11.1.6分類器的選擇(190)
11.1.7特征和訓練樣本的選擇(191)
11.2特征的分類(191)
11.2.1一般步驟(191)
11.2.2MLP分類器(192)
11.2.3SVM分類器(193)
11.2.4GMM分類器(194)
11.2.5k-NN分類器(195)
11.3實例：用MLP分類器對不同的零件進行分類(196)
參考文獻(202)

本書是由一批具有豐富教學經驗的高校教師和一批具有豐富實踐經驗的企業工程師共同編寫，全文概念清晰、結構合理、重點突出、難度適中、實例豐富，便於教學和學習。本書內容包括：機器視覺概述、工業機器人視覺繫統軟硬件環境搭建、圖像采集、圖像預處理、圖像分割、顏色處理、圖像的形態學處理、特征提取、邊緣檢測、模板匹配、圖像分類等，各章附有習題和答案。本書可作為高校電子信息類、電氣類、光電類、自動化類及計算機類等相關專業的教材和教學參考書，也可作為工程技術人員參考資料和感興趣的讀者的自學讀物。