目录 1
第一章 引论 1
1.1 机器人和机器人视觉 1
1.2 机器人视觉技术 6
1.3 机器人视觉技术的应用 9
第二章 机器人视觉系统 14
2.1 机器人视觉系统的组成 14
2.2 景物和距离传感器 16
2.2.1 电视摄像机 17
2.2.2 CCD像感器 35
2.2.3 超声波传感器 54
2.3 视觉信号数字化技术 64
2.3.1 视频信号数字化技术的作用 64
2.3.2 黑白视频信号数字化仪的原理和设计 65
2.3.3 彩色视频信号数字化技术 77
2.3.4 数字式彩色电视解码电路在视频信号数字化 82
技术中的应用 82
2.4.1 视频数字信号快速处理器的作用 94
2.4 视频数字信号快速处理器 94
2.4.2 基于DSP的视频信号快速处理器 97
2.4.3 流水线结构的图像处理机 106
2.4.4 混合型视觉计算机 112
2.5 几种商业通用视觉系统简介 118
2.5.1 VS-100和OMS视觉系统 118
2.5.2 PUMA260和BLOB-1视觉演示系统 123
3.1 引言 131
3.2 图像的生成 131
第三章 图像的生成和变换 131
3.2.1 透视投影 132
3.2.2 正交投影 133
3.3 图像模型 134
3.3.1 图像函数 134
3.3.2 成像几何 135
3.3.3 辐射模型 139
3.3.4 彩色图像模型 140
3.3.5 数字图像 145
3.4.1 图像变换的一般公式 156
3.4 离散二维图像的正交变换 156
3.4.2 离散傅里叶变换 162
3.4.3 离散余弦变换 193
3.4.4 离散沃尔什变换 219
3.4.5 离散K—L变换 234
第四章 图像的预处理 242
4.1 用直方图修改技术进行图像增强 242
4.1.1 灰度直方图 242
4.1.2 直方图均衡化处理技术 244
4.1.3 直方图规定化处理技术 251
4.2 图像的平滑 255
4.2.1 邻域平均法 255
4.2.2 模板法 257
4.2.3 中值滤波 258
4.2.4 多图像平均法 261
4.2.5 低通滤波 262
4.3 图像的锐化 268
4.3.1 微分尖锐化 268
4.3.2 高通滤波 273
4.4 图像的同态滤波处理 276
4.5 伪彩色图像处理 278
4.5.1 密度分层技术 278
4.5.2 灰度到彩色的映射变换 280
4.5.3 滤波法 280
第五章 分割 283
5.1 灰度级阈值法 283
5.1.1 像素分类 283
5.1.2 阈值选择 286
5.1.3 颜色分割 290
5.2 边缘检测 291
5.2.1 差分边缘检测 292
5.2.2 梯度边缘检测 294
5.2.3 拉普拉斯算子边缘检测 297
5.2.4 二阶差分边缘检测 299
5.2.5 检测给定形状的曲线——Hough变换 300
5.2.6 利用图论方法进行边缘检测 306
5.3 边缘匹配与拟合 310
5.3.1 掩模板匹配 311
5.3.2 阶跃匹配 313
5.3.3 斜面和曲面拟合 318
5.4 跟踪和增长 321
5.4.1 边界跟踪 321
5.4.2 区域跟踪与增长 327
5.5 迭代分割—松弛法 332
5.5.1 概率松弛法 332
5.5.2 模糊松弛法 343
5.5.3 离散松弛法 347
5.6 运动分割 349
5.6.1 基本方法 350
5.6.2 累计差 351
5.6.3 建立参考图像 354
第六章 描述 356
6.1 表示 356
6.1.1 行程码和二叉树 357
6.1.2 中轴变换和4叉树 360
6.1.3 三维物体表示 362
6.1.4 近似表示 367
6.2 二值图像的几何特性 369
6.2.1 二值图像 369
6.2.2 简单的几何特性 370
6.2.3 离散二值图像 379
6.3 二值图像的拓扑特性 379
6.3.1 多个物体 379
6.3.2 局部计算和迭代修改 387
6.4 边界描述 399
6.4.1 链码和隙码跟踪 399
6.4.2 特征图 404
6.4.3 多边形近似 406
6.4.4 形状数 410
6.5 域描述符 413
6.5.1 某些简单的域描述符 413
6.5.2 纹理 419
6.5.3 扩展和收缩 423
6.5.4 细化和骨架 425
6.5.5 线性特征描述——不变距 430
7.1 引言 433
第七章 识别 433
7.2 决策理论方法 436
7.2.1 最近邻域分类法 437
7.2.2 最近重心分类法 439
7.2.3 利用概率密度模型进行分类 441
7.2.4 不同形状聚集区域的分类法 442
7.3 结构方法 444
7.3.1 匹配形状数 444
7.3.2 串匹配 446
7.3.3 句法方法 449
第八章 图像的知识表达和使用 456
8.1 引言 456
8.2 语义网络 457
8.2.1 语义网络表达方法简介 457
8.2.2 语义网络的应用 462
8.2.3 语义网络推理 466
8.2.4 连接词在语义网络中的表示法 471
8.3.1 框架表示方法简介 474
8.3 框架 474
8.3.2 框架推理 478
8.4 匹配 479
8.4.1 图匹配及其应用 481
8.4.2 图匹配算法 484
8.4.3 实践中的匹配 488
第九章 基于CAD模型的多传感器视觉系统（CMMS） 491
9.1 引言 491
（CMMS）的系统结构 494
9.2 基于CAD模型的多传感器视觉系统 494
9.3 视觉建模子系统 497
9.3.1 视觉建模子系统总体框图 497
9.3.2 三维物体的表示 500
9.3.3 扩展高斯图像 507
9.3.4 物体稳定位置的计算 517
9.3.5 主特征选择与匹配策略的生成 524
9.4 多传感器信息处理子系统 535
9.4.1 多视角图像投影三维信息的获取 536
9.4.2 基于预测的物体识别和定位 540