機器視覺與數字圖像處理基礎（OpenCV版）

第1章 緒論? 001
1.1 什麼是機器視覺 001
1.2 完整的機器視覺系統組成 002
1.3 機器視覺系統的特點 003
1.4 機器視覺系統相關應用領域 003
1.4.1 在工業生產中的應用 004
1.4.2 在農業中的應用 005
1.4.3 在醫學中的應用 005
1.4.4 在軍事方面的應用 006
1.4.5 在其他方面的應用 007
1.5 常用機器視覺圖像庫 007
1.5.1 OpenCV 007
1.5.2 VisionPro 008
1.5.3 HALCON 008
1.5.4 其他圖像處理庫 009
練習 009

第2章 視覺圖像采集設備? 010
2.1 光源 010
2.1.1 電磁輻射 010
2.1.2 光源類型 012
2.1.3 光源形狀 012
2.1.4 光源照明方式 014
2.2 鏡頭 017
2.2.1 焦距 018
2.2.2 光圈 019
2.2.3 其他鏡頭參數 019
2.3 攝像機 020
2.3.1 CCD芯片尺寸 021
2.3.2 相機分辨率 022
2.3.3 相機幀率與曝光時間 022
2.3.4 其他相機參數 023
練習 023

第3章 數字圖像基礎知識? 024
3.1 數字圖像表示方式 024
3.2 數字圖像類別 025
3.2.1 彩色圖像 025
3.2.2 二值圖像 026
3.2.3 灰度圖像 027
3.2.4 索引圖像 030
3.3 數字圖像格式 030
3.3.1 BMP格式 030
3.3.2 JPEG格式 030
3.3.3 PNG格式 031
3.3.4 GIF格式 031
3.3.5 TIFF格式 031
3.4 數字圖像處理步驟 032
3.5 數字圖像基本性質 033
3.5.1 圖像通道 033
3.5.2 圖像分辨率 033
3.5.3 圖像鄰域 033
3.5.4 圖像連通域 034
3.5.5 像素之間的距離 034
3.5.6 圖像直方圖 035
3.5.7 圖像的熵 036
3.5.8 圖像中的其他統計特征 037
練習 037

第4章 OpenCV基礎知識? 039
4.1 OpenCV簡介 039
4.2 OpenCV組織架構 040
4.2.1 OpenCV的模塊 041
4.2.2 OpenCV的擴展庫 043
4.2.3 OpenCV的文檔 043
4.3 OpenCV的使用 044
4.4 使用OpenCV的例子 045
練習 050

第5章 改善數字圖像質量? 051
5.1 灰度變換增強 051
5.1.1 線性變換 051
5.1.2 分段線性變換 052
5.1.3 對數變換 055
5.1.4 冪次變換 055
5.2 直方圖變換增強 058
5.2.1 直方圖均衡化 059
5.2.2 直方圖規定化 060
5.3 圖像平滑濾波 064
5.3.1 圖像卷積運算 065
5.3.2 均值平滑濾波 067
5.3.3 中值濾波 068
5.3.4 高斯濾波 069
5.3.5 雙邊濾波 070
5.4 代數運算 074
5.4.1 圖像加法 074
5.4.2 圖像減法 075
5.4.3 圖像乘法 075
5.4.4 圖像除法 075
5.5 圖像邏輯運算 078
練習 080

第6章 圖像幾何變換? 082
6.1 圖像插值 082
6.1.1 最近鄰插值 082
6.1.2 雙線性插值 084
6.1.3 雙立方插值 085
6.2 圖像仿射變換 087
6.3 圖像透視變換 089
6.4 圖像極坐標變換 091
練習 093

第7章 圖像邊界增強與邊緣檢測? 095
7.1 圖像中的梯度 095
7.2 一階微分算子 097
7.2.1 水平微分和垂直微分 097
7.2.2 Kirsch算子 100
7.2.3 Sobel算子 101
7.2.4 Prewitt算子 102
7.2.5 Roberts算子 102
7.3 二階微分算子 104
7.3.1 Laplacian算子 104
7.3.2 LOG算子 105
7.3.3 DOG算子 106
7.4 Canny算子 107
練習 109

第8章 圖像的數學形態學處理? 110
8.1 形態學基礎 110
8.2 二值圖像形態學運算 112
8.2.1 膨脹運算 112
8.2.2 腐蝕運算 114
8.2.3 開運算和閉運算 116
8.2.4 擊中擊不中變換 119
8.3 灰度圖像數學形態學運算 123
8.3.1 灰度圖膨脹與腐蝕 123
8.3.2 灰度圖開運算與閉運算 124
8.3.3 形態學梯度 125
8.3.4 頂帽 125
8.3.5 底帽 126
8.4 形態學運算的應用 128
8.4.1 二值圖像形態學應用 128
8.4.2 灰度圖像形態學應用 130
練習 135

第9章 常用圖像分割方法? 136
9.1 閾值分割方法 136
9.1.1 全局閾值分割 137
9.1.2 局部閾值分割 141
9.2 區域生長算法 144
9.3 分水嶺算法 147
9.4 其他分割方法 151
練習 152

第10章 模板匹配? 154
10.1 圖像金字塔 154
10.1.1 高斯金字塔 155
10.1.2 拉普拉斯金字塔 156
10.2 基於灰度值的模板匹配 157
10.3 帶旋轉與縮放的模板匹配 165
10.4 利用邊緣檢測結果進行匹配 166
10.5 基於梯度的匹配 167
10.6 基於特征的匹配 168
10.6.1 利用圖像矩進行模板匹配 168
10.6.2 利用特征點進行匹配 170
練習 171

第11章 圖像特征? 172
11.1 幾何特征檢測 172
11.1.1 霍夫變換直線檢測 173
11.1.2 霍夫變換圓檢測 176
11.2 特征點檢測 178
11.2.1 Harris角點檢測 178
11.2.2 FAST特征點檢測 181
11.2.3 SIFT特征檢測 184
11.3 HOG特征 187
11.4 紋理特征 188
11.4.1 灰度共生矩陣 189
11.4.2 LBP特征 190
練習 192

第12章 機器學習? 193
12.1 K-近鄰算法 193
12.2 多層感知機 195
12.3 支持向量機 197
12.4 卷積神經網絡 200
12.5 YOLO算法 203
練習 205

第13章 攝像機標定? 206
13.1 攝像機標定原理 206
13.1.1 坐標系轉換關系 207
13.1.2 鏡頭畸變 209
13.2 標定過程 211
練習 216

第14章 機器視覺應用實例分析? 217
14.1 點陣字符分割 217
14.1.1 確定字符區域 218
14.1.2 字符區域二次分割 219
14.1.3 提取每個字符連通域 219
14.2 鏡片定位與自動分揀 222
14.2.1 提取凹面鏡片區域 223
14.2.2 中心位置查找 224
14.3 布料瑕疵檢測 227
14.3.1 彩色圖像分解 228
14.3.2 瑕疵區域提取 229
14.4 EmguCV與C#混合編程實例 231
14.4.1 EmguCV簡介 231
14.4.2 圖像處理算法設計 233
14.4.3 系統設計與算法集成 234
14.5 用C#搭建一個在線檢測視覺圖像采集系統 243
14.5.1 在線圖像采集簡介 243
14.5.2 利用攝像機SDK實現在線視覺系統圖像采集 244
練習 253

附錄? 254
附錄Ⅰ OpenCV C++配置 254
附錄Ⅱ 機器學習示例C++代碼 260
附錄Ⅲ OpenCV常用函數或類 278
附錄Ⅳ OpenCV機器視覺處理實例 283

參考文獻? 326