|
| 編輯推薦： |
陈兵旗编著的《机器视觉技术》一书具有以下特点。
1、从机器视觉理论与算法和机器视觉实际应用系统两个方面，讲解机器视觉的构成、图像处理方法以及应用实例。
2、书中所讲案例均来自生产实践，都得到了实际应用的检验。
3、以浅显的图文并茂的方法讲解复杂的理论算法，每个算法都给出了实际处理案例。
4、本书汇集了图像处理绝大多数现有流行算法。
|
| 內容簡介： |
本书分上下两篇介绍机器视觉的构成、图像处理方法以及应用实例。
上篇“机器视觉理论与算法”包括：机器视觉、图像处理、目标提取、边缘检测、图像平滑处理、几何参数检测、Hough变换、单目视觉测量、双目视觉测量、运动图像处理、傅里叶变换、小波变换、模式识别、神经网络、深度学习、遗传算法。
下篇“机器视觉应用系统”包括：通用图像处理系统ImageSys、二维运动测量分析系统MIAS、三维运动测量分析系统MIAS 3D、车辆视觉导航系统。
本书汇集了图像处理绝大多数现有流行算法,以浅显的图文并茂的方法讲解复杂的理论算法,每个算法都给出了实际处理案例。
书中所讲案例均来自生产实践,都得到了实际应用的检验。
本书不仅适用于机器视觉和图像处理专业理论结合实践的教学,对于本专业及相关专业的课题研究人员和专业技术人员也具有重要的参考价值。
|
| 目錄：
|
上篇 机器视觉理论与算法
第1章 机器视觉 2
1.1 机器视觉的作用 2
1.2 机器视觉的硬件构成 3
1.2.1 计算机 4
1.2.2 图像采集设备 6
1.3 机器视觉的软件及编程工具 7
1.4 机器视觉、机器人和智能装备 8
1.5 机器视觉的功能与精度 9
第2章 图像处理 12
2.1 图像处理的发展过程 12
2.2 数字图像的采样与量化 18
2.3 彩色图像与灰度图像 20
2.4 图像文件及视频文件格式 22
2.5 数字图像的计算机表述 23
2.6 常用图像处理算法及其通用性问题 24
参考文献 25
第3章 目标提取 26
3.1 如何提取目标物体 26
3.2 基于阈值的目标提取 26
3.2.1 二值化处理 26
3.2.2 阈值的确定 27
3.3 基于颜色的目标提取 30
3.3.1 色相、亮度、饱和度及其他 30
3.3.2 颜色分量及其组合处理 33
3.4 基于差分的目标提取 38
3.4.1 帧间差分 38
3.4.2 背景差分 39
参考文献 40
第4章 边缘检测 42
4.1 边缘与图像处理 42
4.2 基于微分的边缘检测 44
4.3 基于模板匹配的边缘检测 45
4.4 边缘图像的二值化处理 47
4.5 细线化处理 48
4.6 Canny算法 48
参考文献 52
第5章 图像平滑处理 53
5.1 图像噪声及常用平滑方式 53
5.2 移动平均 54
5.3 中值滤波 54
5.4 高斯滤波 56
5.5 模糊图像的清晰化处理 59
5.5.1 对比度增强 59
5.5.2 自动对比度增强 61
5.5.3 直方图均衡化 63
5.5.4 暗通道先验法去雾处理 65
5.6 二值图像的平滑处理 67
参考文献 69
第6章 几何参数检测 70
6.1 基于图像特征的自动识别 70
6.2 二值图像的特征参数 70
6.3 区域标记 73
6.4 基于特征参数提取物体 74
6.5 基于特征参数消除噪声 75
参考文献 76
第7章 Hough变换 77
7.1 传统Hough变换的直线检测 77
7.2 过已知点Hough变换的直线检测 79
7.3 Hough变换的曲线检测 81
参考文献 81
第8章 几何变换 82
8.1 关于几何变换 82
8.2 放大缩小 83
8.3 平移 87
8.4 旋转 87
8.5 复杂变形 88
8.6 齐次坐标表示 90
参考文献 91
第9章 单目视觉测量 92
9.1 硬件构成 92
9.2 摄像机模型 93
9.2.1 参考坐标系 94
9.2.2 摄像机模型分析 95
9.3 摄像机标定 97
9.4 标定尺检测 98
9.4.1 定位追踪起始点 98
9.4.2 蓝黄边界检测 100
9.4.3 确定角点坐标 102
9.4.4 单应矩阵计算 103
9.5 标定结果分析 103
9.6 标识点自动检测 104
9.7 手动选取目标 110
9.8 距离测量分析 110
9.8.1 透视畸变对测距精度的影响 110
9.8.2 目标点与标定点的距离对测距精度的影响 112
9.9 面积测量算法 113
9.9.1 获取待测区域轮廓点集 113
9.9.2 最小凸多边形拟合 114
9.9.3 多边形面积计算 115
9.9.4 测量实例 116
参考文献 117
第10章 双目视觉测量 118
10.1 双目视觉系统的结构 118
10.1.1 平行式立体视觉模型 119
10.1.2 汇聚式立体视觉模型 120
10.2 摄像机标定 122
10.2.1 直接线性标定法 123
10.2.2 张正友标定法 124
10.2.3 摄像机参数与投影矩阵的转换 128
10.3 标定测量试验 129
10.3.1 直接线性标定法试验 130
10.3.2 张正友标定法试验 131
10.3.3 三维测量试验 134
参考文献 135
第11章 运动图像处理 136
11.1 光流法 136
11.1.1 光流法的基本概念 136
11.1.2 光流法用于目标跟踪的原理 137
11.2 模板匹配 138
11.3 运动图像处理实例 139
11.3.1 羽毛球技战术实时图像检测 139
11.3.2 蜜蜂舞蹈行为分析 145
参考文献 154
第12章 傅里叶变换 155
12.1 频率的世界 155
12.2 频率变换 156
12.3 离散傅里叶变换 159
12.4 图像的二维傅里叶变换 161
12.5 滤波处理 162
参考文献 163
第13章 小波变换 164
13.1 小波变换概述 164
13.2 小波与小波变换 165
13.3 离散小波变换 167
13.4 小波族 167
13.5 信号的分解与重构 168
13.6 图像处理中的小波变换 175
13.6.1 二维离散小波变换 175
13.6.2 图像的小波变换编程 177
参考文献 179
第14章 模式识别 180
14.1 模式识别与图像识别的概念 180
14.2 图像识别系统的组成 181
14.3 图像识别与图像处理和图像理解的关系 182
14.4 图像识别方法 183
14.4.1 模板匹配方法 183
14.4.2 统计模式识别 183
14.4.3 新的模式识别方法 187
14.5 人脸图像识别系统 189
参考文献 192
第15章 神经网络 193
15.1 人工神经网络 193
15.1.1 人工神经网络的生物学基础 194
15.1.2 人工神经元 195
15.1.3 人工神经元的学习 195
15.1.4 人工神经元的激活函数 196
15.1.5 人工神经网络的特点 197
15.2 BP神经网络 198
15.2.1 BP神经网络简介 198
15.2.2 BP神经网络的训练学习 200
15.2.3 改进型BP神经网络 202
15.3 BP神经网络在数字字符识别中的应用 203
15.3.1 BP神经网络数字字符识别系统原理 204
15.3.2 网络模型的建立 205
15.3.3 数字字符识别演示 207
参考文献 209
第16章 深度学习 210
16.1 深度学习的发展历程 210
16.2 深度学习的基本思想 212
16.3 浅层学习和深度学习 212
16.4 深度学习与神经网络 213
16.5 深度学习训练过程 214
16.6 深度学习的常用方法 215
16.6.1 自动编码器 215
16.6.2 稀疏编码 218
16.6.3 限制波尔兹曼机 220
16.6.4 深信度网络 222
16.6.5 卷积神经网络 225
16.7 基于卷积神经网络的手写体字识别 228
16.7.1 手写字识别的卷积神经网络结构 228
16.7.2 卷积神经网络文字识别的实现 231
参考文献 231
第17章 遗传算法 232
17.1 遗传算法概述 232
17.2 简单遗传算法 234
17.2.1 遗传表达 234
17.2.2 遗传算子 235
17.3 遗传参数 238
17.3.1 交叉率和变异率 238
17.3.2 其他参数 238
17.3.3 遗传参数的确定 238
17.4 适应度函数 239
17.4.1 目标函数映射为适应度函数 239
17.4.2 适应度函数的尺度变换 240
17.4.3 适应度函数设计对GA 的影响 241
17.5 模式定理 242
17.5.1 模式的几何解释 244
17.5.2 模式定理 246
17.6 遗传算法在模式识别中的应用 248
17.6.1 问题的设定 248
17.6.2 GA的应用方法 250
17.6.3 基于GA的双目视觉匹配 252
参考文献 255
下篇 机器视觉应用系统
第18章 通用图像处理系统ImageSys 258
18.1 系统简介 258
18.2 状态窗 259
18.3 图像采集 259
18.3.1 DirectX直接采集 259
18.3.2 VFW PC相机采集 260
18.3.3 AD图像卡采集 260
18.4 直方图处理 261
18.4.1 直方图 261
18.4.2 线剖面 261
18.4.3 3D剖面 262
18.4.4 累计分布图 263
18.5 颜色测量 264
18.6 颜色变换 264
18.6.1 颜色亮度变换 264
18.6.2 HSI表示变换 265
18.6.3 自由变换 265
18.6.4 RGB颜色变换 266
18.7 几何变换 266
18.7.1 仿射变换 266
18.7.2 透视变换 267
18.8 频率域变换 267
18.8.1 小波变换 267
18.8.2 傅里叶变换 268
18.9 图像间变换 270
18.9.1 图像间演算 270
18.9.2 运动图像校正 270
18.10 滤波增强 271
18.10.1 单模板滤波增强 271
18.10.2 多模板滤波增强 272
18.10.3 Canny边缘检测 273
18.11 图像分割 273
18.12 二值运算 274
18.12.1 基本运算 274
18.12.2 特殊提取 275
18.13 二值图像测量 276
18.13.1 几何参数测量 276
18.13.2 直线参数测量 281
18.13.3 圆形分离 281
18.13.4 轮廓测量 281
18.14 帧编辑 282
18.15 画图 283
18.16 查看 284
18.17 文件 284
18.17.1 图像文件 284
18.17.2 多媒体文件 286
18.17.3 多媒体文件编辑 289
18.17.4 添加水印 290
18.18 系统设置 291
18.18.1 系统帧设置 291
18.18.2 系统语言设置 292
18.19 系统开发平台Sample 293
参考文献 293
第19章 二维运动图像测量分析系统MIAS 294
19.1 系统概述 294
19.2 文件 295
19.3 运动图像及2D比例标定 296
19.4 运动测量 298
19.4.1 自动测量 298
19.4.2 手动测量 301
19.4.3 标识测量 302
19.5 结果浏览 305
19.5.1 结果视频表示 305
19.5.2 位置速率 308
19.5.3 偏移量 310
19.5.4 2点间距离 311
19.5.5 2线间夹角 311
19.5.6 连接线图一览 312
19.6 结果修正 313
19.6.1 手动修正 313
19.6.2 平滑化 313
19.6.3 内插补间 314
19.6.4 帧坐标变换 314
19.6.5 人体重心测量 314
19.6.6 设置事项 315
19.7 查看 315
19.8 实时测量 315
19.8.1 实时目标测量 315
19.8.2 实时标识测量 316
19.9 开发平台MSSample 316
参考文献 317
第20章 三维运动测量分析系统MIAS 3D 318
20.1 MIAS 3D系统简介 318
20.2 文件 319
20.3 2D结果导入、3D标定及测量 319
20.4 显示结果 321
20.4.1 视频表示 322
20.4.2 点位速率 323
20.4.3 位移量 323
20.4.4 2点间距离 324
20.4.5 2线间夹角 325
20.4.6 连接线一览图 326
20.5 结果修正 326
20.6 其他功能 327
参考文献 327
第21章 车辆视觉导航系统 328
21.1 车辆无人驾驶的发展历程及趋势 328
21.2 视觉导航系统的硬件 330
21.3 视觉导航系统的软件 331
21.4 导航试验及性能测试比较 334
索引 337
|
| 內容試閱：
|
《中国制造2025》的核心内容是装备生产和应用的信息化与智能化，机器视觉是实现这一目标的关键技术。提起“机器视觉”或者“图像处理”（机器视觉的软件部分），许多人并不陌生，但是没有专门学习过的人， 往往会把“图像处理”与用于图像编辑的Photoshop 软件等同起来， 其实两者之间具有本质的区别。机器视觉中的图像处理是由计算机对现有的图像进行分析和判断， 然后根据分析判断结果去控制执行其他相应的动作或处理； 而Photoshop软件是基于人的判断，通过人手的操作来改变图像的颜色、形状或者剪切与编辑。也就是说，一个是由机器分析判断图像并自动执行其他动作，一个是由人分析判断图像并手动修改图像，这就是两者的本质区别。本书内容就是介绍机器视觉的构成、图像处理理论算法及应用系统。
目前，市面上图像处理方面的书比较多，一般都是着眼于讲解图像处理算法理论或者编程方法，笔者本人也编著了两本图像处理VC＋＋ 编程和一本机器视觉理论及应用实例介绍方面的书，这些书的主要适用对象是图像处理编程人员。然而，从事图像处理编程工作的人毕竟是少数，将来越来越多的人会从事与机器人和智能装备相关的操作及技术服务工作，目前国内针对这个群体的机器视觉教育书籍还比较少。近年来，经常有地方理工科院校来咨询图像处理实验室建设事项，他们的目的是图像处理理论教学，而不是学习图像处理程序编写，给他们推荐教材和进行图像处理实验室配置都是很困难的事。为了适应这个庞大群体的需要，本书以普及教学为目的，尽量以浅显易懂、图文并茂的方法来说明复杂的理论算法，每个算法都给出实际处理案例，使一般学习者能够感觉到机器视觉其实并不深奥，也给将来可能从事机器视觉项目开发的人增强信心。
本书汇集了图像处理绝大多数现有流行算法，对于专业图像处理研究和编程人员，也具有重要的参考价值。
本书在撰写过程中得到了田浩、欧阳娣、曾宝明、王桥、杨明、乔妍、朱德利、梁习卉子、陈洪密、代贺等不同程度的帮助，也获得了北京现代富博科技有限公司的技术支持，在此对他们表示衷心的感谢!
由于笔者水平所限，书中不足之处在所难免，敬请广大读者与专家批评指正。
编著者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
