機器視覺應用開發與項目案例教程

目錄

第1章機器視覺1

1.1機器視覺的歷史1

1.2機器視覺的研究範疇3

1.3機器視覺的發展和展望5

1.4本書結構6

1.5本章小結7

習題17

第2章機器視覺智能分揀實訓平臺8

2.1智能分揀實訓平臺的基本介紹8

2.2智能分揀實訓平臺的硬件設備10

2.2.1機械臂10

2.2.2邊緣計算主機10

2.2.3高清攝像頭13

2.3智能分揀實訓平臺的軟件系統14

2.4系統的綜合演示16

2.4.1設備啟動16

2.4.2機械臂啟動16

2.4.3啟動分揀程序16

2.5本章小結19

習題219

第3章圖像與機器視覺系統20

3.1圖像處理基礎20

3.1.1色彩空間20

3.1.2圖像濾波24

3.1.3圖像分割27

3.1.4圖像特征提取27

3.1.5目標識別31

3.1.6圖像運算34

3.2機器視覺系統383.2.1機器視覺系統簡介38

3.2.2機器視覺系統的發展歷程39

3.2.3機器視覺系統的特點40

3.2.4機器視覺系統構成40

3.3機器視覺工具41

3.3.1OpenCV41

3.3.2圖像數據結構42

3.3.3OpenCV基本畫圖函數46

3.4環境部署與軟件安裝48

3.4.1安裝Python48

3.4.2安裝pip（Python包管理器）49

3.4.3安裝Numpy49

3.4.4安裝OpenCV50

3.4.5OpenCV環境測試50

3.5OpenCV完成數據采集和存取50

3.5.1通過OpenCV錄制視頻50

3.5.2通過OpenCV讀取視頻53

3.5.3圖像讀取與保存54

3.6應用案例: 圖像數據采集57

3.6.1算法原理57

3.6.2關鍵代碼57

3.6.3工程運行58

3.7本章小結60

習題360

第4章圖像數據結構和標註61

4.1圖像數據結構61

4.1.1圖像的數字化61

4.1.2數字圖像的存儲格式63

4.2圖像文件處理73

4.2.1圖像顯示74

4.2.2圖像讀取76

4.2.3圖像保存78

4.2.4視頻處理80

4.3圖像標註介紹83

4.3.1數據標註簡介84

4.3.2數據預處理844.3.3圖像數據標註91

4.3.4數據標註管理95

4.4應用案例: 智能分揀圖像數據標註操作97

4.4.1圖像數據標註工具介紹97

4.4.2應用案例: 使用LabelImg完成智能分揀圖像數據標註98

4.4.3應用案例: 圖片數據預處理101

4.5應用案例: 圖像標記104

4.5.1算法原理104

4.5.2關鍵代碼105

4.5.3工程運行109

4.6本章小結111

習題4111

第5章圖像特征提取112

5.1圖像變換112

5.1.1圖像仿射變換113

5.1.2圖像透射變換115

5.1.3圖像重映射變換117

5.1.4Hough（霍夫）變換118

5.2圖像邊緣檢測121

5.2.1Prewitt邊緣檢測121

5.2.2Sobel邊緣檢測123

5.2.3Scharr邊緣檢測124

5.2.4Canny邊緣檢測125

5.3圖像分割133

5.3.1圖像二值化134

5.3.2基於二值化的圖像分割實現140

5.3.3區域生長142

5.3.4分水嶺算法148

5.3.5GrabCut交互式分割150

5.4數學形態學152

5.4.1腐蝕153

5.4.2膨脹153

5.4.3開運算154

5.4.4閉運算154

5.4.5形態學梯度154

5.4.6形態學檢測邊緣1555.5應用案例155

5.5.1應用案例1: 圖像變換155

5.5.2應用案例2: 形態學變換164

5.5.3應用案例3: 圖像特征提取174

5.6本章小結186

習題5187

第6章光學字符識別188

6.1光學字符識別概述188

6.1.1光學字符識別分類188

6.1.2OCR的發展189

6.1.3光學字符識別應用場景190

6.1.4光學字符識別的優缺點192

6.1.5光學字符識別算法193

6.2圖像直方圖194

6.2.1繪制灰度直方圖194

6.2.2繪制彩色直方圖198

6.2.3直方圖正規化203

6.2.4直方圖均衡化205

6.2.5利用直方圖進行圖像分割207

6.3Sobel邊緣算子208

6.3.1Sobel邊緣算子簡介209

6.3.2Sobel邊緣算子常見應用場景210

6.3.3Sobel邊緣算子的數學原理和應用210

6.4圖像模板匹配214

6.4.1圖像模板匹配簡介214

6.4.2常見的匹配算法216

6.4.3模板匹配應用219

6.5應用案例: 基於模式匹配的光學字符識別221

6.6本章小結230

習題6230

第7章圖像分類識別231

7.1深度學習概述231

7.1.1神經元232

7.1.2激活函數234

7.1.3神經網絡2377.1.4損失函數和反向傳播算法238

7.1.5優化策略240

7.2卷積神經網絡243

7.2.1卷積運算244

7.2.2卷積神經網絡的基本組件245

7.2.3卷積神經網絡示例249

7.3深度學習框架介紹256

7.3.1PyTorch257

7.3.2TensorFlow259

7.3.3Keras264

7.3.43個框架對比265

7.3.5圖像識別基本流程267

7.4遷移學習介紹268

7.4.1遷移學習簡介268

7.4.2傳統機器學習與遷移學習271

7.4.3遷移學習用法271

7.4.4遷移學習的分類272

7.5應用案例276

7.5.1應用案例1: 手寫字識別應用276

7.5.2應用案例2: 基於深度學習的54類的圖像分類281

7.6本章小結290

習題7291

第8章目標檢測與識別292

8.1概述292

8.2傳統目標檢測算法介紹296

8.2.1區域選擇296

8.2.2特征提取298

8.2.3分類器308

8.2.4目標跟蹤313

8.2.5目標檢測數據集317

8.3深度學習目標檢測框架320

8.3.1基於FasterRCNN的目標分類320

8.3.2基於SSD模型的目標檢測321

8.3.3YOLO目標檢測算法325

8.4應用案例: 基於YOLO的漢字分揀目標檢測328

8.4.1算法原理3288.4.2關鍵代碼328

8.4.3工程運行331

8.5本章小結332

習題8332

第9章人臉識別333

9.1人臉識別原理333

9.1.1人臉識別技術發展歷程333

9.1.2人臉識別技術的分類及特點337

9.1.3人臉識別技術的安全與隱私問題340

9.2人臉檢測與人數統計技術342

9.2.1人臉檢測技術原理及常見算法342

9.2.2人數統計技術原理及應用場景346

9.3人臉識別技術350

9.3.1人臉特征提取技術350

9.3.2人臉識別算法分類及優缺點比較352

9.3.3人臉對比技術353

9.4應用案例355

9.4.1應用案例1: 人臉檢測355

9.4.2應用案例2: 人臉屬性359

9.4.3應用案例3: 人臉識別364

9.5本章小結377

習題9377

第10章機器視覺雲服務378

10.1概述378

10.2基於百度雲服務的數字識別379

10.3基於百度雲服務的圖像分類383

10.4基於百度雲服務的人物特征識別387

10.4.1百度人臉識別388

10.4.2百度雲人體分析394

10.5應用案例: 基於百度雲服務的車型識別399

10.6本章小結419

習題10420

附錄A系統配置421

A.1系統網絡配置421A.2系統音頻配置425

A.3智雲網關配置427

A.4無線節點配置428

A.5啟動應用案例431

附錄BGW3399邊緣計算網關連接434

B.1通過SSH連接434

B.2上傳、下載文件到實驗平臺436

B.3通過VNC連接441