- HALCON机器视觉算法及应用/人工智能开发丛书
- - 作者：编者:王强|责编:潘新文
  - 出版社：化学工业
  - ISBN：9787122449511
  - 出版日期：2025/02/01
  - 页数：260
- 售价：35.6

内容大纲
    本书主要介绍机器视觉系统的概念、原理、视觉系统组成、数字图像处理算法及视觉应用，共分为三部分：第一部分快速入门，介绍了机器视觉系统的组成、图像采集系统；第二部分图像处理算法，介绍了视觉图像处理相关算法及应用；第三部分机器视觉应用，介绍了机器视觉的典型应用案例。
    全书理论联系实际，从图像采集部分开始到数字图像处理部分，除了介绍相关的理论知识外，结合具体的实际案例以及HALCON编程，提供了明确的使用方法。对每一种数字图像处理算法在机器视觉系统中的应用，都通过实例说明了具体的应用方法和注意事项，并通过具体案例的学习加深对内容的理解。
    本书可作为图像处理、机器视觉或计算机视觉相关科研人员和工程技术人员的参考用书，也可作为高等教育学校相关专业的教材使用，也适用于对图像处理、机器视觉或计算机视觉感兴趣的所有读者。
作者介绍
目录
第一部分  快速入门
  第1章  绪论
    1.1  机器视觉的概念
    1.2  机器视觉系统的组成
    1.3  机器视觉系统的特点
    1.4  机器视觉系统应用领域
      1.4.1  在工业中的应用
      1.4.2  在农业中的应用
      1.4.3  在医学中的应用
      1.4.4  在军工及制导方面的应用
      1.4.5  在其他方面的应用
    1.5  机器视觉相关图像处理库
      1.5.1  OpenCV
      1.5.2  VisionPro
      1.5.3  HALCON
      1.5.4  其他图像处理库
  第2章  视觉图像采集设备
    2.1  光源
      2.1.1  电磁辐射
      2.1.2  光谱特性及与被测物关系
      2.1.3  光源类型
      2.1.4  光源形状及照明方式
    2.2  镜头
      2.2.1  高斯光学
      2.2.2  远心镜头
      2.2.3  镜头的主要参数
    2.3  摄像机
      2.3.1  摄像机传感器类型
      2.3.2  摄像机主要参数
      2.3.3  摄像机与计算机的接口
      2.3.4  摄像机与镜头的接口
  第3章  数字图像基础
    3.1  数字图像的产生
      3.1.1  图像数字化
      3.1.2  数字图像的表示
      3.1.3  图像文件格式
    3.2  数字图像分类
      3.2.1  彩色图像
      3.2.2  二值图像
      3.2.3  灰度图像
      3.2.4  索引图像
    3.3  像素间的基本关系
      3.3.1  相邻像素和图像邻域
      3.3.2  连通域
      3.3.3  图像中的距离度量方法
    3.4  数字图像基本性质
    3.5  图像的基本特征
      3.5.1  直方图
      3.5.2  图像的熵
      3.5.3  其他统计特征

    3.6  图像处理方法
  第4章  HALCON入门
    4.1  认识HALCON
      4.1.1  HALCON界面
      4.1.2  菜单栏
      4.1.3  工具栏
      4.1.4  子窗口
    4.2  HALCON编程入门
      4.2.1  图像相关□量
      4.2.2  控制□量
      4.2.3  程序控制语句
    4.3  浏览HALCON例程及第一个HALCON程序
第二部分  图像处理算法
  第5章  图像常用数学运算
    5.1  代数运算
      5.1.1  加法运算：add_image
      5.1.2  减法运算：sub_image、abs_diff_image
      5.1.3  乘法运算：mult_image
      5.1.4  除法运算：div_image
      5.1.5  应用实例
    5.2  位运算
      5.2.1  “与”运算：bit_and
      5.2.2  “或”运算：bit_or
      5.2.3  “非”运算：bit_not
      5.2.4  “异或”运算：bit_xor
      5.2.5  切片运算：bit_slice
      5.2.6  其它位运算
      5.2.7  应用实例
    5.3  图像插值方法
    5.4  几何□换
      5.4.1  仿射□换原理
      5.4.2  仿射□换相关算子
      5.4.3  投影□换原理
      5.4.4  投影□换算子：projective_trans_image
      5.4.5  极坐标□换：polar_trans_image_ext
      5.4.6  应用实例
  第6章  图像预处理方法
    6.1  图像增强
      6.1.1  线性□换：scale_image
      6.1.2  □□值范围线性□换：scale_image_max
      6.1.3  分段线性□换：scale_image_range
      6.1.4  对数□换：log_image
      6.1.5  图像开方：sqrt_image
      6.1.6  幂次□换：pow_image
      6.1.7  直方图均衡化：equ_histo_image
      6.1.8  边缘增强：emphasize
      6.1.9  改善光照增强：illuminate
      6.1.10  图像增强应用实例
    6.2  图像平滑滤波
      6.2.1  均值滤波：mean_image

      6.2.2  中值滤波：median_image
      6.2.3  高斯滤波：gauss_filter
      6.2.4  双边滤波：bilateral_filter
      6.2.5  各向异性扩散滤波：anisotropic_diffusion
      6.2.6  导向滤波：guided_filter
      6.2.7  频域□换及滤波：rft_generic
      6.2.8  图像平滑滤波实例
    6.3  边缘提取方法
      6.3.1  图像梯度的概念
      6.3.2  sobel算子：sobel_dir
      6.3.3  kirsch算子：kirsch_dir
      6.3.4  prewitt算子：prewitt_dir
      6.3.5  frei算子：frei_dir
      6.3.6  roberts算子：roberts
      6.3.7  robinson算子：robinson_dir
      6.3.8  la□□□ce算子：la□□□ce
      6.3.9  高斯拉普拉斯算子：la□□□ce_of_gauss
      6.3.10  高斯差分：diff_of_gauss
      6.3.11  canny算子：edges_image
      6.3.12  边缘提取应用实例
    6.4  图像的数学形态学分析
      6.4.1  形态学运算基础
      6.4.2  膨胀运算：dilation_circle
      6.4.3  腐蚀运算：erosion_circle
      6.4.4  开运算：opening_circle
      6.4.5  闭运算：closing_circle
      6.4.6  击中击不中：hit_or_miss
      6.4.7  其它形态学算子
      6.4.8  形态学应用实例
    6.5  图像分割
      6.5.1  全□手动阈值分割：threshold
      6.5.2  Otsu分割：binary_threshold
      6.5.3  自动阈值分割：auto_threshold
      6.5.4  直方图阈值分割：histo_to_thresh
      6.5.5  字符阈值分割：char_threshold
      6.5.6  □部阈值分割：local_threshold
      6.5.7  动态阈值分割：dyn_threshold
      6.5.8  可□阈值分割：var_threshold
      6.5.9  区域生长分割：regiongrowing
      6.5.10  分水岭分割：watersheds
      6.5.11  □□稳定极值区域：segment_image_mser
      6.5.12  图像分割实例
  第7章  模板匹配
    7.1  模板匹配相似度计算方法
    7.2  HALCON模板匹配方法
      7.2.1  快速匹配：fast_match
      7.2.2  最佳匹配：best_match
      7.2.3  相关匹配：find_ncc_model
    7.3  模板匹配中的问题
      7.3.1  匹配效率问题

      7.3.2  缩放与旋转问题
    7.4  稳定的匹配方法
      7.4.1  基于边缘的匹配
      7.4.2  形状匹配：find_shape_model
    7.5  其他匹配方法介绍
      7.5.1  利用hu 不□矩进行匹配
      7.5.2  Hausdorff 距离匹配
    7.6  模板匹配实例
  第8章  图像特征
    8.1  几何特征检测
      8.1.1  霍夫□换直线检测：hough_lines
      8.1.2  霍夫□换圆检测：hough_circles
      8.1.3  霍夫几何特征检测实例
    8.2  常用几何特征拟合
      8.2.1  直线拟合：fit_line_contour_xld
      8.2.2  圆拟合：fit_circle_contour_xld
      8.2.3  椭圆拟合：fit_ellipse_contour_xld
      8.2.4  几何特征拟合实例
    8.3  特征点检测
      8.3.1  Harris角点检测：points_harris
      8.3.2  FAST特征点检测
      8.3.3  SIFT特征检测
      8.3.4  特征点检测实例
    8.4  HOG 特征
    8.5  纹理特征
      8.5.1  灰度共生矩阵：gen_cooc_matrix
      8.5.2  LBP特征
      8.5.3  纹理特征实例
  第9章  机器学习
    9.1  k-近邻算法
      9.1.1  k-近邻算法原理
      9.1.2  k-近邻实例
    9.2  多层感知机
      9.2.1  多层感知机原理
      9.2.2  多层感知机实例
    9.3  支持向量机
      9.3.1  支持向量机原理
      9.3.2  支持向量机实例
    9.4  卷积神经网络
      9.4.1  卷积神经网络原理
      9.4.2  HALCON卷积神经网络实例解读
  第10章  摄像机标定和手眼标定
    10.1  摄像机标定原理
      10.1.1  坐标系转换关系
      10.1.2  镜头畸□
    10.2  标定过程
    10.3  手眼标定
      10.3.1  眼在手上
      10.3.2  眼在手外
    10.4  利用摄像机标定进行长度测量实例

第三部分  机器视觉应用
  第11章  缺陷检测
    11.1  缺陷类别
    11.2  药片缺陷检测
    11.3  划痕缺陷检测
    11.4  织物瑕疵缺陷检测
  第12章  模式识别
    12.1  字符识别
      12.1.1  产品上的序列号识别
      12.1.2  点阵字符识别
    12.2  条形码及二维码识别
      12.2.1  条形码识别
      12.2.2  二维码识别
    12.3  产品分类
      12.3.1  利用多层感知机对金属零件分类
      12.3.2  利用支持向量机对药品分类
  第13章  视觉测量
    13.1  芯片引脚距离测量
    13.2  圆弧测量
  第14章  机器视觉系统搭建
    14.1  HALCON与C#混合编程开发离线字符识别系统
      14.1.1  算法设计
      14.1.2  系统设计与算法集成
    14.2  搭建一个在线检测视觉图像采集系统
      14.2.1  在线图像采集方法
      14.2.2  利用摄像机SDK实现在线视觉系统图像采集
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目