机器视觉与数字图像处理基础(OpenCV版)电子书

题名页

版权页

目录

1.1 什么是机器视觉

1.2 完整的机器视觉系统组成

1.3 机器视觉系统的特点

1.4 机器视觉系统相关应用领域

1.4.1 在工业生产中的应用

1.4.2 在农业中的应用

1.4.3 在医学中的应用

1.4.4 在军事方面的应用

1.4.5 在其他方面的应用

1.5 常用机器视觉图像库

1.5.1 OpenCV

1.5.2 VisionPro

1.5.3 HALCON

1.5.4 其他图像处理库

练习

2.1 光源

2.1.1 电磁辐射

2.1.2 光源类型

2.1.3 光源形状

2.1.4 光源照明方式

2.2 镜头

2.2.1 焦距

2.2.2 光圈

2.2.3 其他镜头参数

2.3 摄像机

2.3.1 CCD芯片尺寸

2.3.2 相机分辨率

2.3.3 相机帧率与曝光时间

2.3.4 其他相机参数

练习

3.1 数字图像表示方式

3.2 数字图像类别

3.2.1 彩色图像

3.2.2 二值图像

3.2.3 灰度图像

3.2.4 索引图像

3.3 数字图像格式

3.3.1 BMP格式

3.3.2 JPEG格式

3.3.3 PNG格式

3.3.4 GIF格式

3.3.5 TIFF格式

3.4 数字图像处理步骤

3.5 数字图像基本性质

3.5.1 图像通道

3.5.2 图像分辨率

3.5.3 图像邻域

3.5.4 图像连通域

3.5.5 像素之间的距离

3.5.6 图像直方图

3.5.7 图像的熵

3.5.8 图像中的其他统计特征

练习

4.1 OpenCV简介

4.2 OpenCV组织架构

4.2.1 OpenCV的模块

4.2.2 OpenCV的扩展库

4.2.3 OpenCV的文档

4.3 OpenCV的使用

4.4 使用OpenCV的例子

练习

5.1 灰度变换增强

5.1.1 线性变换

5.1.2 分段线性变换

5.1.3 对数变换

5.1.4 幂次变换

5.2 直方图变换增强

5.2.1 直方图均衡化

5.2.2 直方图规定化

5.3 图像平滑滤波

5.3.1 图像卷积运算

5.3.2 均值平滑滤波

5.3.3 中值滤波

5.3.4 高斯滤波

5.3.5 双边滤波

5.4 代数运算

5.4.1 图像加法

5.4.2 图像减法

5.4.3 图像乘法

5.4.4 图像除法

5.5 图像逻辑运算

练习

6.1 图像插值

6.1.1 最近邻插值

6.1.2 双线性插值

6.1.3 双立方插值

6.2 图像仿射变换

6.3 图像透视变换

6.4 图像极坐标变换

练习

7.1 图像中的梯度

7.2 一阶微分算子

7.2.1 水平微分和垂直微分

7.2.2 Kirsch算子

7.2.3 Sobel算子

7.2.4 Prewitt算子

7.2.5 Roberts算子

7.3 二阶微分算子

7.3.1 Laplacian算子

7.3.2 LOG算子

7.3.3 DOG算子

7.4 Canny算子

练习

8.1 形态学基础

8.2 二值图像形态学运算

8.2.1 膨胀运算

8.2.2 腐蚀运算

8.2.3 开运算和闭运算

8.2.4 击中击不中变换

8.3 灰度图像数学形态学运算

8.3.1 灰度图膨胀与腐蚀

8.3.2 灰度图开运算与闭运算

8.3.3 形态学梯度

8.3.4 顶帽

8.3.5 底帽

8.4 形态学运算的应用

8.4.1 二值图像形态学应用

8.4.2 灰度图像形态学应用

练习

9.1 阈值分割方法

9.1.1 全局阈值分割

9.1.2 局部阈值分割

9.2 区域生长算法

9.3 分水岭算法

9.4 其他分割方法

练习

10.1 图像金字塔

10.1.1 高斯金字塔

10.1.2 拉普拉斯金字塔

10.2 基于灰度值的模板匹配

10.3 带旋转与缩放的模板匹配

10.4 利用边缘检测结果进行匹配

10.5 基于梯度的匹配

10.6 基于特征的匹配

10.6.1 利用图像矩进行模板匹配

10.6.2 利用特征点进行匹配

练习

11.1 几何特征检测

11.1.1 霍夫变换直线检测

11.1.2 霍夫变换圆检测

11.2 特征点检测

11.2.1 Harris角点检测

11.2.2 FAST特征点检测

11.2.3 SIFT特征检测

11.3 HOG特征

11.4 纹理特征

11.4.1 灰度共生矩阵

11.4.2 LBP特征

练习

12.1 K-近邻算法

12.2 多层感知机

12.3 支持向量机

12.4 卷积神经网络

12.5 YOLO算法

练习

13.1 摄像机标定原理

13.1.1 坐标系转换关系

13.1.2 镜头畸变

13.2 标定过程

练习

14.1 点阵字符分割

14.1.1 确定字符区域

14.1.2 字符区域二次分割

14.1.3 提取每个字符连通域

14.2 镜片定位与自动分拣

14.2.1 提取凹面镜片区域

14.2.2 中心位置查找

14.3 布料瑕疵检测

14.3.1 彩色图像分解

14.3.2 瑕疵区域提取

14.4 EmguCV与C＃混合编程实例

14.4.1 EmguCV简介

14.4.2 图像处理算法设计

14.4.3 系统设计与算法集成

14.5 用C＃搭建一个在线检测视觉图像采集系统

14.5.1 在线图像采集简介

14.5.2 利用摄像机SDK实现在线视觉系统图像采集

练习

附录Ⅰ OpenCV C++配置

附录Ⅱ 机器学习示例C++代码

附录Ⅲ OpenCV常用函数或类

附录Ⅳ OpenCV机器视觉处理实例