本書是機器視覺理實一體化教學(xué)的配套理論教材,主要面向新型工業(yè)化時期智能及高端裝備制造領(lǐng)域，結(jié)合新工科復(fù)合型專業(yè)技術(shù)人才綜合能力培養(yǎng)的教學(xué)訴求，并融入作者十余載對機器視覺工程的理論研究及教學(xué)經(jīng)驗編寫而成。
全書共8章，首先介紹機器視覺與圖像處理的基本概念、發(fā)展歷程及未來趨勢，講解圖像數(shù)字化、編碼與壓縮等基礎(chǔ)技術(shù)，為后續(xù)的深入學(xué)習(xí)奠定基礎(chǔ)。進而，通過豐富的實例展示如何運用灰度變換與空間濾波技術(shù)改善圖像質(zhì)量，讓讀者直觀感受圖像處理技術(shù)的魅力。同時通過解析工業(yè)實際項目案例，闡述圖像修復(fù)、色彩管理、形態(tài)學(xué)變換等高級視覺技術(shù)原理。最后，介紹圖像分割與目標識別等核心技術(shù)，講解多種高效算法，并探討其在自動駕駛、人臉識別等前沿領(lǐng)域中的創(chuàng)新應(yīng)用。
本書適合作為普通高等本科院校機械類、電子信息類、自動化類等相關(guān)專業(yè)的教材，也可供相關(guān)企業(yè)的技術(shù)人員參考。
第1章 緒論 001
1.1 什么是機器視覺 001
1.2 機器視覺的起源 002
1.3 機器視覺的實際應(yīng)用 003
1.3.1 在工業(yè)領(lǐng)域的應(yīng)用 003
1.3.2 在醫(yī)學(xué)領(lǐng)域的應(yīng)用 004
1.3.3 在交通領(lǐng)域的作用 005
1.3.4 在生活領(lǐng)域的作用 006
1.4 機器視覺圖像處理的基本步驟 007
1.5 機器視覺圖像處理系統(tǒng)的組成 008
第2章 數(shù)字圖像處理 012
2.1 視覺感知要素 012
2.1.1 人眼的結(jié)構(gòu) 013
2.1.2 眼睛中圖像的形成 013
2.2 圖像感知和獲取 014
2.2.1 使用單個傳感器獲取圖像 015
2.2.2 使用條帶傳感器獲取圖像 016
2.2.3 簡單的圖像形成模型 017
2.3 圖像取樣和量化 018
2.3.1 取樣和量化的基本概念 018
2.3.2 數(shù)字圖像表示 020
2.3.3 空間和灰度分辨率 023
2.4 像素間的一些基本關(guān)系 025
2.4.1 相鄰像素 025
2.4.2 鄰接性、連通性、區(qū)域和邊界 025
2.4.3 距離度量 027
2.5 數(shù)字圖像處理中涉及的數(shù)學(xué)工具 028
2.5.1 陣列與矩陣操作 029
2.5.2 線性操作與非線性操作 029
2.5.3 算術(shù)操作 030
2.5.4 集合和邏輯操作 032
第3章 灰度變換與空間濾波 039
3.1 背景知識 040
3.1.1 灰度變換和空間濾波基礎(chǔ) 040
3.1.2 關(guān)于本章中的例子 041
3.2 一些基本的灰度變換函數(shù) 042
3.2.1 圖像反轉(zhuǎn) 042
3.2.2 對數(shù)變換 042
3.3 直方圖處理 044
3.3.1 直方圖均衡 044
3.3.2 直方圖匹配（規(guī)定化） 050
3.4 空間濾波基礎(chǔ) 056
3.4.1 空間濾波機理 057
3.4.2 空間相關(guān)與卷積 057
3.4.3 線性濾波的向量表示 061
3.5 平滑空間濾波器 062
3.5.1 平滑線性濾波器 062
3.5.2 統(tǒng)計排序（非線性） 濾波器 064
3.6 銳化空間濾波器 065
3.6.1 基礎(chǔ)知識 065
3.6.2 使用二階微分進行圖像銳化——拉普拉斯算子 067
3.6.3 使用一階微分進行（非線性） 圖像銳化——梯度 069
第4章 圖像復(fù)原 076
4.1 圖像退化/ 復(fù)原過程的模型 077
4.2 噪聲模型 077
4.2.1 噪聲的空間和頻率特性 078
4.2.2 噪聲概率密度函數(shù) 078
4.2.3 周期噪聲 082
4.3 只存在噪聲的復(fù)原——空間濾波 082
4.3.1 均值濾波器 083
4.3.2 統(tǒng)計排序濾波器 084
4.3.3 自適應(yīng)濾波器 087
4.4 周期噪聲頻域濾波 089
4.4.1 帶阻濾波器 090
4.4.2 帶通濾波器 090
4.4.3 陷波濾波器 091
4.4.4 最佳陷波濾波 091
第5章 彩色圖像處理 099
5.1 彩色基礎(chǔ) 100
5.2 彩色模型 105
5.2.1 RGB 彩色模型 105
5.2.2 CMY 和 CMYK 彩色模型 108
5.2.3 HSl 彩色模型 109
5.3 彩色變換 115
5.3.1 公式 115
5.3.2 補色 118
5.3.3 彩色分層 119
5.3.4 直方圖處理 120
5.4 平滑和銳化 122
5.4.1 彩色圖像平滑 122
5.4.2 彩色圖像銳化 124
5.5 基于彩色的圖像分割 124
5.5.1 HSI 彩色空間的分割 125
5.5.2 RGB 向量空間中的分割 125
5.5.3 彩色邊緣檢測 127
5.6 彩色圖像中的噪聲 129
第6章 形態(tài)學(xué)圖像處理 135
6.1 預(yù)備知識 135
6.2 腐蝕和膨脹 138
6.2.1 腐蝕 138
6.2.2 膨脹 140
6.3 開操作與閉操作 141
6.4 基本形態(tài)學(xué)算法 145
6.4.1 邊界提取 145
6.4.2 孔洞填充 146
6.4.3 連通分量的提取 148
6.4.4 凸殼 150
6.4.5 細化 151
6.4.6 粗化 152
6.4.7 骨架 153
6.4.8 裁剪 154
6.4.9 形態(tài)學(xué)重建 157
6.4.10 二值圖像形態(tài)學(xué)操作小結(jié) 162
6.5 灰度級形態(tài)學(xué) 164
6.5.1 腐蝕和膨脹 165
6.5.2 開操作和閉操作 167
6.5.3 灰度級形態(tài)學(xué)算法 169
6.5.4 灰度級形態(tài)學(xué)重建 175
第7章 圖像分割 180
7.1 基礎(chǔ)知識 181
7.2 點、線和邊緣檢測 182
7.2.1 背景知識 183
7.2.2 孤立點的檢測 185
7.2.3 線檢測 187
7.2.4 邊緣模型 189
7.2.5 基本邊緣檢測 193
7.2.6 邊緣連接和邊界檢測 199
7.3 閾值處理 210
7.3.1 基礎(chǔ)知識 210
7.3.2 基本的全局閾值處理 213
7.3.3 使用Otsu 方法的最佳全局閾值處理 214
7.3.4 使用圖像平滑改善全局閾值處理 219
7.3.5 利用邊緣改進全局閾值處理 220
7.3.6 多閾值處理 222
7.4 基于區(qū)域的分割 224
7.4.1 區(qū)域生長 224
7.4.2 邊界提取 227
7.5 分割中運動的應(yīng)用 229
7.5.1 空間域技術(shù) 229
7.5.2 頻率域技術(shù) 231
第8章 目標識別 239
8.1 模式和模式類 239
8.2 基于決策理論方法的識別 242
8.2.1 匹配 243
8.2.2 最佳統(tǒng)計分類器 248
8.2.3 神經(jīng)網(wǎng)絡(luò) 255
8.3 結(jié)構(gòu)方法 271
8.3.1 匹配形狀數(shù) 271
8.3.2 串匹配 272
參考文獻 278
書單推薦
