机器视觉技术及应用PDF电子书下载

第1章 绪论 1

1.1机器视觉技术发展与应用 1

1.1.1机器视觉技术发展现状 1

1.1.2机器视觉技术的应用 3

1.2机器视觉系统组成 4

1.2.1系统硬件 5

1.2.2组态软件 6

1.3机器视觉方法分类 7

1.3.1尺寸测量 7

1.3.2缺陷检测 8

1.3.3模式识别 9

1.3.4图像融合 10

1.3.5目标跟踪 11

1.3.6三维重构 13

1.4机器视觉发展趋势 13

习题与实验 15

参考文献 15

第2章 机器视觉硬件技术 16

2.1镜头技术 17

2.1.1视场角 17

2.1.2焦距 17

2.1.3自动调焦 18

2.1.4滤光镜 18

2.2摄像机技术 20

2.2.1数字摄像机 20

2.2.2分辨率 20

2.2.3帧速 21

2.2.4智能相机 22

2.2.5相机接口 24

2.3光源技术 25

2.3.1前光源 26

2.3.2背光源 27

2.3.3环形光源 28

2.3.4点光源 29

2.3.5可调光源 31

2.4图像采集卡 31

2.5摄像机标定技术 32

2.5.1成像几何模型 33

2.5.2典型标定方法 36

2.5.3标定策略 41

2.6ZM-VS1200机器视觉教学实验平台 43

习题与实验 45

参考文献 45

第3章 机器视觉组态软件XAVIS 46

3.1XAVIS简介 46

3.2XAVIS基本操作 46

3.2.1主窗口 47

3.2.2子窗口 48

3.2.3操作示例 48

3.3XAVIS基本函数 52

3.3.1参数类型 52

3.3.2文件操作 56

3.3.3控制函数 56

3.3.4功能函数 57

3.3.5扩展函数 58

3.4XAVIS接口技术 59

3.4.1动态链接库技术 59

3.4.2自定义算法库加载 59

3.5XAVIS编程实例 63

3.5.1边缘提取 64

3.5.2图像滤波 64

3.5.3尺寸测量 65

3.5.4印刷体字符检测 67

3.5.5三维重构 68

3.6提示和操作技巧 70

习题与实验 71

第4章 图像处理技术 72

4.1图像增强 72

4.1.1空域图像增强 73

4.1.2频域图像增强 89

4.2图像分割 95

4.2.1双峰法 96

4.2.2迭代法 96

4.2.3大津法 97

4.2.4判别分析法 97

4.2.5一维最大熵方法 98

4.3边缘提取 98

4.3.1边缘定义及分类 99

4.3.2边缘检测算子 99

4.3.3轮廓提取方法 105

4.4数学形态学分析 107

4.4.1数学形态学原理 108

4.4.2图像数学形态学基本运算 109

4.4.3图像数学形态学应用 114

4.5图像投影 121

4.6图像特征提取 122

4.6.1图像特征 123

4.6.2兴趣点提取 125

4.6.3直线提取 128

4.6.4圆弧提取 132

4.7配准定位方法 135

4.7.1图像配准数学建模 135

4.7.2图像配准方法 136

4.7.3图像配准的主要步骤 148

习题与实验 149

参考文献 150

第5章 尺寸测量技术 151

5.1长度测量 151

5.1.1距离测量 151

5.1.2多距离测量和齿长测量 153

5.1.3线段测量 156

5.2面积测量 158

5.2.1基于区域标记的面积测量 158

5.2.2基于轮廓向量的面积测量 160

5.3圆测量 161

5.3.1正圆的测量方法 161

5.3.2多圆测量 166

5.3.3利用曲率识别法识别圆 167

5.3.4椭圆的测量方法 169

5.4线弧测量 172

5.4.1基于Harris角点检测的线弧分离 172

5.4.2基于哈夫变换的线弧分离 173

5.5角度测量 176

习题与实验 178

参考文献 178

第6章 缺陷检测技术 179

6.1缺陷检测的分类方法 179

6.2瑕疵缺陷检测 182

6.2.1瑕疵缺陷图像特点 182

6.2.2瑕疵缺陷检测算法 183

6.2.3应用实例 189

6.3划痕检测 195

6.3.1划痕图像的特点 195

6.3.2划痕检测算法 196

6.3.3应用实例 197

6.4焊点检测与分类方法 200

6.4.1PCB焊点的分类 200

6.4.2焊点检测与分类算法 202

6.4.3应用实例 207

习题与实验 208

第7章 模式识别技术 210

7.1字符识别 210

7.1.1印刷体字符识别 210

7.1.2手写体字符识别算法 226

7.2条码识别 230

7.2.1条码技术 231

7.2.2一维条码识别 232

7.2.3二维条码识别 237

7.3车牌识别 242

7.3.1车牌图像预处理 242

7.3.2车牌字符分割与识别 243

7.4工件识别 244

7.4.1工件识别方法 244

7.4.2识别实例 250

7.5医学图像识别 254

7.5.1血管识别 254

7.5.2细胞识别 257

习题与实验 260

参考文献 261

第8章 图像融合技术 262

8.1图像融合分类 262

8.1.1像素级融合 262

8.1.2特征级图像融合 263

8.1.3决策级图像融合 264

8.2图像融合算法 265

8.2.1基本图像融合算法 265

8.2.2金字塔图像融合算法 268

8.2.3小波变换图像融合算法 270

8.3图像融合的评价标准 272

8.3.1主观评价标准 272

8.3.2客观评价标准 273

8.4图像融合应用 275

8.4.1多光照图像融合 275

8.4.2多聚焦图像融合 281

8.4.3异质图像融合 283

习题与实验 286

参考文献 287

第9章 目标跟踪技术 288

9.1检测与跟踪的关系 288

9.2运动目标检测 288

9.2.1相邻帧间差分算法 289

9.2.2背景差分算法 290

9.3运动目标跟踪 302

9.3.1特征匹配搜索算法 303

9.3.2均值漂移算法 305

9.3.3目标遮挡跟踪算法 313

9.4运动目标跟踪实例 316

9.4.1无遮挡目标跟踪实例 317

9.4.2有遮挡目标跟踪实例 317

习题与实验 320

参考文献 321

第10章 三维重构技术 322

10.1三维重构技术分类 322

10.2三维重构基本概念 323

10.2.1辐射度 324

10.2.2目标表面朝向 327

10.2.3反射类型与反射模型 327

10.3SFS三维重构算法 329

10.3.1基于混合反射模型的SFS算法（AHRM） 334

10.3.2AHRM算法实例分析 338

10.3.3基于透视成像模型的SFS算法（APM） 341

10.3.4APM算法的实例分析 347

10.3.5SFS三维重构变分算法 348

10.3.6变分算法实例分析 351

10.4光度立体学 352

10.4.1光度立体视觉法 352

10.4.2算法实例 354

习题与实验 356

参考文献 358