機器視覺

第1章　緒論1
1.1　機器視覺基礎知識1
1.1.1　發展與展望1
1.1.2　硬件構成3
1.1.3　算法軟件6
1.1.4　機器視覺、機器人和智能裝備6
1.1.5　功能與精度7
1.2　深度學習基礎知識9
1.2.1　發展歷程9
1.2.2　基本原理10
1.3　實踐用專業軟件介紹與基本設定11
1.3.1　通用圖像處理系統ImageSys11
1.3.2　二維、三維運動圖像測量分析系統13
1.4　多種場景下的車輛視覺導航視頻演示15
思考題17
第2章　圖像數據及存儲與采集18
2.1　數字圖像的采樣與量化18
2.2　彩色圖像與灰度圖像20
2.3　圖像的計算機顯示22
2.4　圖像文件23
2.4.1　理論介紹23
2.4.2　圖像文件功能實踐24
2.5　視頻文件25
2.5.1　理論介紹25
2.5.2　多媒體文件功能實踐26
2.5.3　多媒體文件編輯28
2.6　圖像視頻采集28
2.6.1　基礎知識28
2.6.2　CCD與CMOS傳感器30
2.6.3　DirectX圖像采集系統31
2.7　應用案例34
2.7.1　排種器試驗臺視頻采集與保存34
2.7.2　車流量檢測視頻采集35
2.7.3　車輛尺寸、顏色參數檢測視頻采集與演示36
思考題37
第3章　像素分布與圖像分割38
3.1　像素分布38
3.1.1　直方圖38
3.1.2　線剖面圖39
3.1.3　累計分布圖40
3.1.4　3D剖面 41
3.1.5　應用案例——水田管理導航路線檢測及視頻演示43
3.2　灰度分割與實踐46
3.2.1　常規閾值分割46
3.2.2　模態法自動分割48
3.2.3　p參數法自動分割48
3.2.4　大津法自動分割50
3.2.5　應用案例——排種器試驗臺圖像拼接與分割51
3.3　彩色分割與實踐53
3.3.1　RGB彩色分割53
3.3.2　HSI彩色分割54
3.4　圖像間運算及實踐55
3.4.1　運算內容55
3.4.2　運算實踐55
3.5　應用案例59
3.5.1　車流量檢測及視頻演示59
3.5.2　車輛尺寸、顏色實時檢測及視頻演示61
思考題68
第4章　顏色空間及測量與變換69
4.1　顏色空間69
4.2　顏色測量70
4.3　顏色亮度變換72
4.3.1　基礎變換72
4.3.2　L（朗格）變換74
4.3.3　γ（伽馬）變換75
4.3.4　去霧處理76
4.3.5　直方圖平滑化78
4.4　HSI變換80
4.5　RGB色差變換82
4.6　自由變換83
4.7　應用實例84
4.7.1　小麥苗列檢測84
4.7.2　果樹上紅色桃子檢測86
4.7.3　玉米粒在穗計數及視頻演示88
4.7.4　玉米種粒圖像精選與定向定位及視頻演示90
思考題95
第5章　幾何變換及單目視覺檢測96
5.1　基礎知識96
5.2　單步變換97
5.2.1　實踐準備97
5.2.2　平移98
5.2.3　放大縮小99
5.2.4　旋轉99
5.3　覆雜變換 100
5.3.1　仿射變換100
5.3.2　透視變換102
5.4　齊次坐標表示102
5.5　單目視覺檢測103
5.5.1　參考坐標系104
5.5.2　攝像機模型分析105
5.5.3　攝像機標定106
5.5.4　功能實踐107
5.6　應用案例—交通事故現場快速圖像檢測及視頻演示110
思考題115
第6章　傅裏葉變換116
6.1　頻率的概念116
6.2　頻率變換117
6.3　離散傅裏葉變換120
6.4　圖像的二維傅裏葉變換121
6.5　濾波處理122
6.6　圖像傅裏葉變換實踐124
6.6.1　基本功能124
6.6.2　加噪聲與去噪聲129
6.6.3　圖像加密處理131
6.7　應用案例—傅裏葉變換在數字水印中的應用131
思考題132
第7章　小波變換133
7.1　小波變換概述133
7.2　小波與小波變換133
7.3　離散小波變換135
7.4　小波族136
7.5　信號的分解與重構137
7.6　圖像處理中的小波變換142
7.7　圖像小波變換實踐144
7.8　應用案例149
7.8.1　小麥病害監測149
7.8.2　小麥播種導航路徑檢測及視頻演示154
思考題157
第8章　濾波增強158
8.1　基本概念158
8.2　去噪聲處理160
8.2.1　移動平均160
8.2.2　中值濾波160
8.2.3　高斯濾波162
8.2.4　單模板濾波實踐164
8.3　基於微分的邊緣檢測 169
8.3.1　一階微分（梯度運算）169
8.3.2　二階微分（拉普拉斯運算）170
8.3.3　模板匹配170
8.3.4　多模板濾波實踐172
8.4　Canny算法及實踐178
8.5　應用案例182
8.5.1　插秧機器人導航目標檢測182
8.5.2　變電壓板投退狀態檢測及視頻演示187
思考題190
第9章　二值運算與參數測量191
9.1　基本理論191
9.1.1　圖像的幾何參數191
9.1.2　區域標記193
9.1.3　幾何參數檢測與提取193
9.2　二值運算194
9.2.1　基本運算理論與實踐194
9.2.2　特殊提取實踐197
9.2.3　應用案例——插秧機器人導航目標去噪聲199
9.3　幾何參數測量201
9.3.1　幾何參數測量實踐201
9.3.2　應用案例——排種試驗臺籽粒檢測及視頻演示207
9.4　直線參數測量210
9.4.1　哈夫變換210
9.4.2　 小二乘法211
9.4.3　直線檢測實踐211
9.4.4　應用案例——農田視覺導航線檢測及視頻演示213
9.5　圓形分離實踐217
9.6　輪廓測量實踐218
9.7　應用實例——果樹上桃子檢測及視頻演示219
思考題222
0章　雙目視覺測量223
10.1　雙目視覺系統的結構223
10.1.1　平行式立體視覺模型223
10.1.2　匯聚式立體視覺模型225
10.2　攝像機標定227
10.2.1　直接線性標定法227
10.2.2　棋盤標定法228
10.2.3　攝像機參數與投影矩陣的轉換232
10.3　標定測量試驗233
10.3.1　直接線性標定法試驗233
10.3.2　棋盤標定法試驗234
10.3.3　三維測量試驗236
思考題238
1章　二維、三維運動圖像測量實踐239
11.1　二維運動圖像測量239
11.1.1　菜單介紹239
11.1.2　2D標定240
11.1.3　運動測量242
11.1.4　結果瀏覽顯示244
11.1.5　結果修正249
11.1.6　實踐視頻249
11.1.7　應用案例——羽毛球技戰術檢測及視頻演示250
11.2　三維運動圖像測量253
11.2.1　菜單介紹253
11.2.2　多通道圖像采集254
11.2.3　直接線性標定實踐255
11.2.4　棋盤標定實踐256
11.2.5　結果瀏覽顯示258
11.2.6　實踐視頻260
11.2.7　應用案例—三維作物生長量檢測及視頻演示260
思考題266
2章　模式識別267
12.1　模式識別與圖像識別的概念267
12.2　圖像識別系統的組成268
12.3　圖像識別、圖像處理和圖像理解的關系269
12.4　圖像識別方法270
12.4.1　模板匹配270
12.4.2　統計模式識別270
12.4.3　仿生模式識別273
12.5　應用案例275
12.5.1　人臉識別技術介紹275
12.5.2　蜜蜂舞蹈跟蹤檢測及視頻演示279
12.5.3　車牌照檢測及視頻演示283
思考題289
3章　神經網絡290
13.1　人工神經網絡290
13.1.1　人工神經網絡的生物學基礎290
13.1.2　人工神經元291
13.1.3　人工神經元的學習292
13.1.4　人工神經元的激活函數293
13.1.5　人工神經網絡的特點294
13.2　BP神經網絡295
13.2.1　BP神經網絡簡介295
13.2.2　BP神經網絡的訓練學習296
13.2.3　改進型BP神經網絡299
13.3　應用案例—BP神經網絡在數字字符識別中的應用300
13.3.1　BP神經網絡數字字符識別系統原理300
13.3.2　網絡模型的建立301
13.3.3　數字字符識別演示303
思考題305
4章　深度學習306
14.1　淺層學習和深度學習306
14.2　深度學習與神經網絡307
14.3　深度學習訓練過程307
14.4　深度學習的常用方法308
14.4.1　自動編碼器308
14.4.2　稀疏編碼311
14.4.3　限制玻爾茲曼機312
14.4.4　深信度網絡314
14.4.5　卷積神經網絡315
14.5　深度學習框架介紹318
14.6　應用案例322
14.6.1　基於YOLOv4的前方車輛距離檢測及視頻演示322
14.6.2　基於YOLOv7的果園導航線檢測及視頻演示324
思考題327
參考文獻　328
本書遵循 教指委相關指導文件和高等院校學生學習規律編寫而成。踐行四新理念，融入思政元素，註重理論與實踐相結合。