內容大鋼
本書首先介紹了機器視覺基礎知識，然後利用專業圖像處理軟體，對圖像數據及存儲與採集，像素分佈與圖像分割，顏色空間及測量與變換，幾何變換及單目視覺檢測，傅里葉變換，小波變換，濾波增強，二值運算與參數測量，雙目視覺測量，二維、三維運動圖像測量實踐，模式識別，神經網路，深度學習等常用理論方法進行了實用化講解。每章都是個大類，包含豐富的理論、實踐與應用案例介紹及二維碼視頻演示。
本書主要用於理工農醫類本科生機器視覺的實踐教學，也可以作為研究生、專業人員和一般讀者的學習參考讀物。
作者介紹
編者:陳兵旗//陳思遙//王僑|責編:路乙達//韓靜
目錄
第1章 緒論
1.1 機器視覺基礎知識
1.1.1 發展與展望
1.1.2 硬體構成
1.1.3 演算法軟體
1.1.4 機器視覺、機器人和智能裝備
1.1.5 功能與精度
1.2 深度學習基礎知識
1.2.1 發展歷程
1.2.2 基本原理
1.3 實踐用專業軟體介紹與基本設定
1.3.1 通用圖像處理系統ImageSys
1.3.2 二維、三維運動圖像測量分析系統
1.4 多種場景下的車輛視覺導航視頻演示
思考題
第2章 圖像數據及存儲與採集
2.1 數字圖像的採樣與量化
2.2 彩色圖像與灰度圖像
2.3 圖像的電腦顯示
2.4 圖像文件
2.4.1 理論介紹
2.4.2 圖像文件功能實踐
2.5 視頻文件
2.5.1 理論介紹
2.5.2 多媒體文件功能實踐
2.5.3 多媒體文件編輯
2.6 圖像視頻採集
2.6.1 基礎知識
2.6.2 CCD與CMOS感測器
2.6.3 DirectX圖像採集系統
2.7 應用案例
2.7.1 排種器試驗台視頻採集與保存
2.7.2 車流量檢測視頻採集
2.7.3 車輛尺寸、顏色參數檢測視頻採集與演示
思考題
第3章 像素分佈與圖像分割
3.1 像素分佈
3.1.1 直方圖
3.1.2 線剖面圖
3.1.3 累計分佈圖
3.1.4 3D剖面
3.1.5 應用案例——水田管理導航路線檢測及視頻演示
3.2 灰度分割與實踐
3.2.1 常規閾值分割
3.2.2 模態法自動分割
3.2.3 p參數法自動分割
3.2.4 大津法自動分割
3.2.5 應用案例——排種器試驗台圖像拼接與分割
3.3 彩色分割與實踐
3.3.1 RGB彩色分割
3.3.2 HSI彩色分割
3.4 圖像間運算及實踐
3.4.1 運算內容
3.4.2 運算實踐
3.5 應用案例
3.5.1 車流量檢測及視頻演示
3.5.2 車輛尺寸、顏色實時檢測及視頻演示
思考題
第4章 顏色空間及測量與變換
4.1 顏色空間
4.2 顏色測量
4.3 顏色亮度變換
4.3.1 基礎變換
4.3.2 L（朗格）變換
4.3.3 γ（伽馬）變換
4.3.4 去霧處理
4.3.5 直方圖平滑化
4.4 HSI變換
4.5 RGB色差變換
4.6 自由變換
4.7 應用實例
4.7.1 小麥苗列檢測
4.7.2 果樹上紅色桃子檢測
4.7.3 玉米粒在穗計數及視頻演示
4.7.4 玉米種粒圖像精選與定向定位及視頻演示
思考題
第5章 幾何變換及單目視覺檢測
5.1 基礎知識
5.2 單步變換
5.2.1 實踐準備
5.2.2 平移
5.2.3 放大縮小
5.2.4 旋轉
5.3 複雜變換
5.3.1 仿射變換
5.3.2 透視變換
5.4 齊次坐標表示
5.5 單目視覺檢測
5.5.1 參考坐標系
5.5.2 攝像機模型分析
5.5.3 攝像機標定
5.5.4 功能實踐
5.6 應用案例—交通事故現場快速圖像檢測及視頻演示
思考題
第6章 傅里葉變換
6.1 頻率的概念
6.2 頻率變換
6.3 離散傅里葉變換
6.4 圖像的二維傅里葉變換
6.5 濾波處理
6.6 圖像傅里葉變換實踐
6.6.1 基本功能
6.6.2 加雜訊與去雜訊
6.6.3 圖像加密處理
6.7 應用案例—傅里葉變換在數字水印中的應用
思考題
第7章 小波變換
7.1 小波變換概述
7.2 小波與小波變換
7.3 離散小波變換
7.4 小波族
7.5 信號的分解與重構
7.6 圖像處理中的小波變換
7.7 圖像小波變換實踐
7.8 應用案例
7.8.1 小麥病害監測
7.8.2 小麥播種導航路徑檢測及視頻演示
思考題
第8章 濾波增強
8.1 基本概念
8.2 去雜訊處理
8.2.1 移動平均
8.2.2 中值濾波
8.2.3 高斯濾波
8.2.4 單模板濾波實踐
8.3 基於微分的邊緣檢測
8.3.1 一階微分（梯度運算）
8.3.2 二階微分（拉普拉斯運算）
8.3.3 模板匹配
8.3.4 多模板濾波實踐
8.4 Canny演算法及實踐
8.5 應用案例
8.5.1 插秧機器人導航目標檢測
8.5.2 變電壓板投退狀態檢測及視頻演示
思考題
第9章 二值運算與參數測量
9.1 基本理論
9.1.1 圖像的幾何參數
9.1.2 區域標記
9.1.3 幾何參數檢測與提取
9.2 二值運算
9.2.1 基本運算理論與實踐
9.2.2 特殊提取實踐
9.2.3 應用案例——插秧機器人導航目標去雜訊
9.3 幾何參數測量
9.3.1 幾何參數測量實踐
9.3.2 應用案例——排種試驗台籽粒檢測及視頻演示
9.4 直線參數測量
9.4.1 哈夫變換
9.4.2 最小二乘法
9.4.3 直線檢測實踐
9.4.4 應用案例——農田視覺導航線檢測及視頻演示
9.5 圓形分離實踐
9.6 輪廓測量實踐
9.7 應用實例——果樹上桃子檢測及視頻演示
思考題
第10章 雙目視覺測量
10.1 雙目視覺系統的結構
10.1.1 平行式立體視覺模型
10.1.2 匯聚式立體視覺模型
10.2 攝像機標定
10.2.1 直接線性標定法
10.2.2 棋盤標定法
10.2.3 攝像機參數與投影矩陣的轉換
10.3 標定測量試驗
10.3.1 直接線性標定法試驗
10.3.2 棋盤標定法試驗
10.3.3 三維測量試驗
思考題
第11章 二維、三維運動圖像測量實踐
11.1 二維運動圖像測量
11.1.1 菜單介紹
11.1.2 2D標定
11.1.3 運動測量
11.1.4 結果瀏覽顯示
11.1.5 結果修正
11.1.6 實踐視頻
11.1.7 應用案例——羽毛球技戰術檢測及視頻演示
11.2 三維運動圖像測量
11.2.1 菜單介紹
11.2.2 多通道圖像採集
11.2.3 直接線性標定實踐
11.2.4 棋盤標定實踐
11.2.5 結果瀏覽顯示
11.2.6 實踐視頻
11.2.7 應用案例—三維作物生長量檢測及視頻演示
思考題
第12章 模式識別
12.1 模式識別與圖像識別的概念
12.2 圖像識別系統的組成
12.3 圖像識別、圖像處理和圖像理解的關係
12.4 圖像識別方法
12.4.1 模板匹配
12.4.2 統計模式識別
12.4.3 仿生模式識別
12.5 應用案例
12.5.1 人臉識別技術介紹
12.5.2 蜜蜂舞蹈跟蹤檢測及視頻演示
12.5.3 車牌照檢測及視頻演示
思考題
第13章 神經網路
13.1 人工神經網路
13.1.1 人工神經網路的生物學基礎
13.1.2 人工神經元
13.1.3 人工神經元的學習
13.1.4 人工神經元的激活函數
13.1.5 人工神經網路的特點
13.2 BP神經網路
13.2.1 BP神經網路簡介
13.2.2 BP神經網路的訓練學習
13.2.3 改進型BP神經網路
13.3 應用案例—BP神經網路在數字字元識別中的應用
13.3.1 BP神經網路數字字元識別系統原理
13.3.2 網路模型的建立
13.3.3 數字字元識別演示
思考題
第14章 深度學習
14.1 淺層學習和深度學習
14.2 深度學習與神經網路
14.3 深度學習訓練過程
14.4 深度學習的常用方法
14.4.1 自動編碼器
14.4.2 稀疏編碼
[