內容大鋼
本書是機器視覺理實一體化教學的配套理論教材，主要面向新型工業化時期智能及高端裝備製造領域，結合新工科複合型專業技術人才綜合能力培養的教學訴求，並融入作者十余載對機器視覺工程的理論研究及教學經驗編寫而成。
全書共8章，首先介紹機器視覺與圖像處理的基本概念、發展歷程及未來趨勢，講解圖像數字化、編碼與壓縮等基礎技術，為後續的深入學習奠定基礎。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改善圖像質量，讓讀者直觀感受圖像處理技術的魅力。同時通過解析工業實際項目案例，闡述圖像修復、色彩管理、形態學變換等高級視覺技術原理。最後，介紹圖像分割與目標識別等核心技術，講解多種高效演算法，並探討其在自動駕駛、人臉識別等前沿領域中的創新應用。
本書適合作為普通高等本科院校機械類、電子信息類、自動化類等相關專業的教材，也可供相關企業的技術人員參考。
作者介紹
編者:段清娟//賈子熙//袁鴻斌|責編:于成成//李軍亮
目錄
第1章 緒論
1.1 什麼是機器視覺
1.2 機器視覺的起源
1.3 機器視覺的實際應用
1.3.1 在工業領域的應用
1.3.2 在醫學領域的應用
1.3.3 在交通領域的作用
1.3.4 在生活領域的作用
1.4 機器視覺圖像處理的基本步驟
1.5 機器視覺圖像處理系統的組成
第2章 數字圖像處理
2.1 視覺感知要素
2.1.1 人眼的結構
2.1.2 眼睛中圖像的形成
2.2 圖像感知和獲取
2.2.1 使用單個感測器獲取圖像
2.2.2 使用條帶感測器獲取圖像
2.2.3 簡單的圖像形成模型
2.3 圖像取樣和量化
2.3.1 取樣和量化的基本概念
2.3.2 數字圖像表示
2.3.3 空間和灰度解析度
2.4 像素間的一些基本關係
2.4.1 相鄰像素
2.4.2 鄰接性、連通性、區域和邊界
2.4.3 距離度量
2.5 數字圖像處理中涉及的數學工具
2.5.1 陣列與矩陣操作
2.5.2 線性操作與非線性操作
2.5.3 算術操作
2.5.4 集合和邏輯操作
第3章 灰度變換與空間濾波
3.1 背景知識
3.1.1 灰度變換和空間濾波基礎
3.1.2 關於本章中的例子
3.2 一些基本的灰度變換函數
3.2.1 圖像反轉
3.2.2 對數變換
3.3 直方圖處理
3.3.1 直方圖均衡
3.3.2 直方圖匹配（規定化）
3.4 空間濾波基礎
3.4.1 空間濾波機理
3.4.2 空間相關與卷積
3.4.3 線性濾波的向量表示
3.5 平滑空間濾波器
3.5.1 平滑線性濾波器
3.5.2 統計排序（非線性）濾波器
3.6 銳化空間濾波器
3.6.1 基礎知識
3.6.2 使用二階微分進行圖像銳化——拉普拉斯運算元
3.6.3 使用一階微分進行（非線性）圖像銳化——梯度
第4章 圖像複原
4.1 圖像退化/複原過程的模型
4.2 雜訊模型
4.2.1 雜訊的空間和頻率特性
4.2.2 雜訊概率密度函數
4.2.3 周期雜訊
4.3 只存在雜訊的複原——空間濾波
4.3.1 均值濾波器
4.3.2 統計排序濾波器
4.3.3 自適應濾波器
4.4 周期雜訊頻域濾波
4.4.1 帶阻濾波器
4.4.2 帶通濾波器
4.4.3 陷波濾波器
4.4.4 最佳陷波濾波
第5章 彩色圖像處理
5.1 彩色基礎
5.2 彩色模型
5.2.1 RGB彩色模型
5.2.2 CMY和CMYK彩色模型
5.2.3 HSl彩色模型
5.3 彩色變換
5.3.1 公式
5.3.2 補色
5.3.3 彩色分層
5.3.4 直方圖處理
5.4 平滑和銳化
5.4.1 彩色圖像平滑
5.4.2 彩色圖像銳化
5.5 基於彩色的圖像分割
5.5.1 HSI彩色空間的分割
5.5.2 RGB向量空間中的分割
5.5.3 彩色邊緣檢測
5.6 彩色圖像中的雜訊
第6章 形態學圖像處理
6.1 預備知識
6.2 腐蝕和膨脹
6.2.1 腐蝕
6.2.2 膨脹
6.3 開操作與閉操作
6.4 基本形態學演算法
6.4.1 邊界提取
6.4.2 孔洞填充
6.4.3 連通分量的提取
6.4.4 凸殼
6.4.5 細化
6.4.6 粗化
6.4.7 骨架
6.4.8 裁剪
6.4.9 形態學重建
6.4.10 二值圖像形態學操作小結
6.5 灰度級形態學
6.5.1 腐蝕和膨脹
6.5.2 開操作和閉操作
6.5.3 灰度級形態學演算法
6.5.4 灰度級形態學重建
第7章 圖像分割
7.1 基礎知識
7.2 點、線和邊緣檢測
7.2.1 背景知識
7.2.2 孤立點的檢測
7.2.3 線檢測
7.2.4 邊緣模型
7.2.5 基本邊緣檢測
7.2.6 邊緣連接和邊界檢測
7.3 閾值處理
7.3.1 基礎知識
7.3.2 基本的全局閾值處理
7.3.3 使用Otsu方法的最佳全局閾值處理
7.3.4 使用圖像平滑改善全局閾值處理
7.3.5 利用邊緣改進全局閾值處理
7.3.6 多閾值處理
7.4 基於區域的分割
7.4.1 區域生長
7.4.2 邊界提取
7.5 分割中運動的應用
7.5.1 空間域技術
7.5.2 頻率域技術
第8章 �
[