第1章 緒論
1.1 機(jī)器視覺(jué)技術(shù)發(fā)展與應(yīng)用
1.1.1 機(jī)器視覺(jué)技術(shù)發(fā)展現(xiàn)狀
1.1.2 機(jī)器視覺(jué)技術(shù)的應(yīng)用
1.2 機(jī)器視覺(jué)系統(tǒng)組成
1.2.1 系統(tǒng)硬件
1.2.2 組態(tài)軟件
1.3 機(jī)器視覺(jué)方法分類
1.3.1 尺寸測(cè)量
1.3.2 缺陷檢測(cè)
1.3.3 模式識(shí)別
1.3.4 圖像融合
1.3.5 目標(biāo)跟蹤
1.3.6 三維重構(gòu)
1.4 機(jī)器視覺(jué)發(fā)展趨勢(shì)
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn)

第2章 機(jī)器視覺(jué)硬件技術(shù)
2.1 鏡頭技術(shù)
2.1.1 視場(chǎng)角
2.1.2 焦距
2.1.3 自動(dòng)調(diào)焦
2.1.4 濾光鏡
2.2 攝像機(jī)技術(shù)
2.2.1 數(shù)字?jǐn)z像機(jī)
2.2.2 分辨率
2.2.3 幀速
2.2.4 智能相機(jī)
2.2.5 相機(jī)接口
2.3 光源技術(shù)
2.3.1 前光源
2.3.2 背光源
2.3.3 環(huán)形光源
2.3.4 點(diǎn)光源
2.3.5 可調(diào)光源
2.4 圖像采集卡
2.5 攝像機(jī)標(biāo)定技術(shù)
2.5.1 成像幾何模型
2.5.2 典型標(biāo)定方法
2.5.3 標(biāo)定策略
2.6 ZM-VSl200機(jī)器視覺(jué)教學(xué)
實(shí)驗(yàn)平臺(tái)
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn)

第3章 機(jī)器視覺(jué)組態(tài)軟件XAVIS
3.1 XAVIS簡(jiǎn)介
3.2 XAVIS基本操作
3.2.1 主窗口
3.2.2 子窗口
3.2.3 操作示例
3.3 XAVIS基本函數(shù)
3.3.1 參數(shù)類型
3.3.2 文件操作
3.3.3 控制函數(shù)
3.3.4 功能函數(shù)
3.3.5 擴(kuò)展函數(shù)
3.4 XAVIS接口技術(shù)
3.4.1 動(dòng)態(tài)鏈接庫(kù)技術(shù)
3.4.2 自定義算法庫(kù)加載
3.5 XAVIS編程實(shí)例
3.5.1 邊緣提取
3.5.2 圖像濾波
3.5.3 尺寸測(cè)量
3.5.4 印刷體字符檢測(cè)
3.5.5 三維重構(gòu)
3.6 提示和操作技巧
習(xí)題與實(shí)驗(yàn)

第4章 圖像處理技術(shù)
4.1 圖像增強(qiáng)
4.1.1 空域圖像增強(qiáng)
4.1.2 頻域圖像增強(qiáng)
4.2 圖像分割
4.2.1 雙峰法
4.2.2 迭代法
4.2.3 大津法
4.2.4 判別分析法
4.2.5 一維最大熵方法
4.3 邊緣提取
4.3.1 邊緣定義及分類
4.3.2 邊緣檢測(cè)算子
4.3.3 輪廓提取方法
4.4 數(shù)學(xué)形態(tài)學(xué)分析
4.4.1 數(shù)學(xué)形態(tài)學(xué)原理
4.4.2 圖像數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算
4.4.3 圖像數(shù)學(xué)形態(tài)學(xué)應(yīng)用
4.5 圖像投影
4.6 圖像特征提取
4.6.1 圖像特征
4.6.2 興趣點(diǎn)提取
4.6.3 直線提取
4.6.4 圓弧提取
4.7 配準(zhǔn)定位方法
4.7.1 圖像配準(zhǔn)數(shù)學(xué)建模
4.7.2 圖像配準(zhǔn)方法
4.7.3 圖像配準(zhǔn)的主要步驟
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn)

第5章 尺寸測(cè)量技術(shù)
5.1 長(zhǎng)度測(cè)量
5.1.1 距離測(cè)量
5.1.2 多距離測(cè)量和齒長(zhǎng)測(cè)量
5.1.3 線段測(cè)量
5.2 面積測(cè)量
5.2.1 基于區(qū)域標(biāo)記的面積測(cè)量
5.2.2 基于輪廓向量的面積測(cè)量
5.3 圓測(cè)量
5.3.1 正圓的測(cè)量方法
5.3.2 多圓測(cè)量
5.3.3 利用曲率識(shí)別法識(shí)別圓
5.3.4 橢圓的測(cè)量方法
5.4 線弧測(cè)量
5.4.1 基于Harris角點(diǎn)檢測(cè)的線弧分離
5.4.2 基于哈夫變換的線弧分離
5.5 角度測(cè)量
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn).

第6章 缺陷檢測(cè)技術(shù)
6.1 缺陷檢測(cè)的分類方法
6.2 瑕疵缺陷檢測(cè)
6.2.1 瑕疵缺陷圖像特點(diǎn)
6.2.2 瑕疵缺陷檢測(cè)算法
6.2.3 應(yīng)用實(shí)例
6.3 劃痕檢測(cè)
6.3.1 劃痕圖像的特點(diǎn)
6.3.2 劃痕檢測(cè)算法
6.3.3 應(yīng)用實(shí)例
6.4 焊點(diǎn)檢測(cè)與分類方法
6.4.1 PCB焊點(diǎn)的分類
6.4.2 焊點(diǎn)檢測(cè)與分類算法
6.4.3 應(yīng)用實(shí)例
習(xí)題與實(shí)驗(yàn)

第7章 模式識(shí)別技術(shù)
7.1 字符識(shí)別
7.1.1 印刷體字符識(shí)別
7.1.2 手寫(xiě)體字符識(shí)別算法
7.2 條碼識(shí)別
7.2.1 條碼技術(shù)
7.2.2 一維條碼識(shí)別
7.2.3 二維條碼識(shí)別
7.3 車(chē)牌識(shí)別
7.3.1 車(chē)牌圖像預(yù)處理
7.3.2 車(chē)牌字符分割與識(shí)別
7.4 工件識(shí)別
7.4.1 工件識(shí)別方法
7.4.2 識(shí)別實(shí)例
7.5 醫(yī)學(xué)圖像識(shí)別
7.5.1 血管識(shí)別
7.5.2 細(xì)胞識(shí)別
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn)

第8章 圖像融合技術(shù)
8.1 圖像融合分類
8.1.1 像素級(jí)融合
8.1.2 特征級(jí)圖像融合
8.1.3 決策級(jí)圖像融合
8.2 圖像融合算法
8.2.1 基本圖像融合算法
8.2.2 金字塔圖像融合算法
8.2.3 小波變換圖像融合算法
8.3 圖像融合的評(píng)價(jià)標(biāo)準(zhǔn)
8.3.1 主觀評(píng)價(jià)標(biāo)準(zhǔn)
8.3.2 客觀評(píng)價(jià)標(biāo)準(zhǔn)
8.4 圖像融合應(yīng)用
8.4.1 多光照?qǐng)D像融合
8.4.2 多聚焦圖像融合
8.4.3 異質(zhì)圖像融合
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn)

第9章 目標(biāo)跟蹤技術(shù)
9.1 檢測(cè)與跟蹤的關(guān)系
9.2 運(yùn)動(dòng)目標(biāo)檢測(cè)
9.2.1 相鄰幀間差分算法
9.2.2 背景差分算法
9.3 運(yùn)動(dòng)目標(biāo)跟蹤
9.3.1 特征匹配搜索算法
9.3.2 均值漂移算法
9.3.3 目標(biāo)遮擋跟蹤算法
9.4 運(yùn)動(dòng)目標(biāo)跟蹤實(shí)例
9.4.1 無(wú)遮擋目標(biāo)跟蹤實(shí)例
9.4.2 有遮擋目標(biāo)跟蹤實(shí)例
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn)

第10章 三維重構(gòu)技術(shù)
10.1 三維重構(gòu)技術(shù)分類
10.2 三維重構(gòu)基本概念
10.2.1 輻射度
10.2.2 目標(biāo)表面朝向
10.2.3 反射類型與反射模型
10.3 SFS三維重構(gòu)算法
10.3.1 基于混合反射模型的SFS算法（AHRM）
10.3.2 AHRM算法實(shí)例分析
10.3.3 基于透視成像模型的SFS算法（APM）
10.3.4 APM算法的實(shí)例分析
10.3.5 SFS三維重構(gòu)變分算法
10.3.6 變分算法實(shí)例分析
10.4 光度立體學(xué)
10.4.1 光度立體視覺(jué)法
10.4.2 算法實(shí)例
習(xí)題與實(shí)驗(yàn)
參考文獻(xiàn)