第1章 机器视觉和HALCON机器视觉软件 1
1.1 机器视觉 1
1.1.1 机器视觉简介 1
1.1.2 机器视觉关键技术与发展 2
1.1.3 机器视觉工程应用 6
1.2 HALCON简介 8
1.2.1 HDevelop简介 8
1.2.2 HALCON功能及应用简介 10
本章小结 11
习题 11
第2章 HALCON数据结构 12
2.1 HALCON图像 12
2.1.1 图像的分类 12
2.1.2 图像通道 12
2.2 HALCON区域 17
2.2.1 区域的初步介绍 17
2.2.2 区域的点线 26
2.2.3 区域行程 35
2.2.4 区域特征 38
2.3 HALCON XLD轮廓 46
2.3.1 XLD初步介绍 46
2.3.2 XLD的数据结构分析 49
2.3.3 XLD的特征分析 53
2.3.4 XLD的回归参数 58
2.4 句柄 60
2.5 数组 61
本章小结 64
习题 64
第3章 HALCON图像采集 66
3.1 图像采集硬件 66
3.1.1 工业相机 66
3.1.2 镜头 72
3.1.3 光源 79
3.2 图像采集算子 86
3.2.1 工业相机连接 86
3.2.2 同步采集 88
3.2.3 异步采集 90
3.3 图像采集助手 91
3.4 HALCON图像读取、显示和转换 95
3.4.1 HALCON图像读取 95
3.4.2 HALCON图像显示 98
3.4.3 HALCON图像转换 100
本章小结 103
习题 103
第4章 HALCON图像预处理 104
4.1 灰度变换 104
4.1.1 灰度变换的基础知识 104
4.1.2 线性灰度变换 104
4.1.3 分段线性灰度变换 107
4.1.4 非线性灰度变换 109
4.2 直方图处理 113
4.2.1 灰度直方图的定义和性质 113
4.2.2 直方图均衡化 116
4.2.3 直方图规定化 121
4.3 图像几何变换 122
4.3.1 图像几何变换的一般表达式 122
4.3.2 图像变换之仿射变换 124
4.3.3 投影变换 128
4.3.4 灰度插值 129
4.3.5 基于HALCON的图像校正 131
4.4 图像的平滑 134
4.4.1 图像噪声 134
4.4.2 局部统计法 135
4.4.3 空域平滑法 136
4.4.4 中值滤波 138
4.4.5 频域低通滤波 141
4.5 图像的锐化 146
4.5.1 一阶微分算子法 146
4.5.2 拉普拉斯算子法 150
4.5.3 高通滤波法 152
4.6 图像的彩色增强 156
4.6.1 真彩色增强 157
4.6.2 伪彩色增强 157
4.6.3 假彩色增强 159
本章小结 160
习题 160
第5章 HALCON图像分割 162
5.1 阈值分割 162
5.1.1 实验法 162
5.1.2 根据直方图谷底确定阈值法 163
5.1.3 迭代选择阈值法 165
5.1.4 最大类间方差法 166
5.2 边缘检测 168
5.2.1 边缘检测概述 168
5.2.2 边缘检测原理 169
5.2.3 边缘检测方法的分类 169
5.2.4 边缘检测典型算子 169
5.2.5 Hough变换 181
5.3 区域分割 186
5.3.1 区域生长法 186
5.3.2 区域分裂与合并法 188
5.3.3 分水岭分割法 190
本章小结 195
习题 195
第6章 HALCON数学形态学与Blob分析 197
6.1 数学形态学基础 197
6.2 二值图像的基本形态学运算 199
6.2.1 腐蚀 199
6.2.2 膨胀 202
6.2.3 开运算和闭运算 204
6.2.4 击中／击不中变换 208
6.3 二值图像的HALCON形态学应用 210
6.3.1 边界提取 210
6.3.2 孔洞填充 212
6.3.3 骨架 214
6.4 Blob分析 215
6.4.1 Blob分析相关理论 215
6.4.2 Blob分析相关算子 217
6.4.3 Blob分析例程 217
6.5 数学形态学工程应用 221
6.5.1 数学形态学工程应用背景 221
6.5.2 数学形态学工程应用案例 221
本章小结 223
习题 223
第7章 HALCON图像匹配 224
7.1 基于像素的匹配 224
7.1.1 归一化积相关灰度匹配 224
7.1.2 序贯相似性检测算法匹配 226
7.2 基于特征的匹配 231
7.2.1 不变矩匹配法 231
7.2.2 距离变换匹配算法 233
7.2.3 最小均方误差匹配算法 235
7.3 图像金字塔 239
7.4 Matching助手 243
本章小结 248
习题 248
第8章 HALCON图像测量 249
8.1 机器视觉与测量 249
8.1.1 基于机器视觉的测量原理 249
8.1.2 机器视觉在测量领域的优势 250
8.2 HALCON一维测量 250
8.2.1 一维测量过程 250
8.2.2 模糊测量 254
8.2.3 一维测量典型相关算子 255
8.2.4 一维测量实例 260
8.3 HALCON二维测量 262
8.3.1 区域处理 263
8.3.2 轮廓处理 264
8.3.3 几何运算 269
8.3.4 二维测量例程 270
8.4 HALCON三维测量 275
8.4.1 双目立体视觉测量 275
8.4.2 激光三角测量 286
8.5 HALCON测量助手 298
本章小结 303
习题 303
第9章 HALCON其他应用 304
9.1 HALCON条形码识别技术 304
9.1.1 一维条形码 304
9.1.2 二维条形码 308
9.2 HALCON图像拼接技术 312
9.2.1 图像拼接技术概述 312
9.2.2 HALCON图像拼接相关算子 314
9.2.3 HALCON图像拼接实例 316
9.3 基于HALCON的支持向量机（SVM）技术 319
9.3.1 基于区域特征的SVM分类 321
9.3.2 基于Laws纹理特征的SVM分类 325
本章小结 331
习题 331
第10章 HALCON标定方法 333
10.1 标定简介 333
10.2 标定理论 334
10.2.1 坐标系的转换 334
10.2.2 标定的相机参数 337
10.3 HALCON标定流程 338
10.3.1 相机参数确定 338
10.3.2 HALCON标定板规格 339
10.3.3 生成标定板 340
10.4 HALCON标定助手 343
10.4.1 标定注意事项 343
10.4.2 HALCON标定助手标定过程 346
10.5 标定应用例程之二维测量 350
本章小结 357
习题 358
第11章 HALCON工程应用与混合编程 359
11.1 成捆棒材复核计数系统 359
11.1.1 工程背景 359
11.1.2 算法的开发 360
11.1.3 HALCON与C#混合编程 361
11.1.4 HALCON与C#混合编程的特点 378
11.2 弹簧卡箍检测系统 379
11.2.1 工程背景 379
11.2.2 算法的开发 380
11.2.3 HALCON与C+++混合编程 387
11.2.4 HALCON与C+++混合编程的特点 405
本章小结 405
习题 405
参考文献 407