新書推薦：
《
初老的身体：更年期新规则指南（第2版）
》
售價：HK$
140.8
《
摘星星的人
》
售價：HK$
47.1
《
名侦探的守则（东野圭吾：反套路！玩梗诡计，吐槽套路，爆笑推理！“你怎么看出我男扮女装的？”）
》
售價：HK$
64.9
《
金融帝国：美元如何计算全球
》
售價：HK$
74.8
《
全球化时代的历史书写：七位欧美历史学家访谈录 尔文智识生活系列
》
售價：HK$
107.8
《
好能量
》
售價：HK$
97.9
《
心灵银行手账 ： 创造真正改变的卓越系统 世界级催眠大师约翰·卡帕斯博士上世纪90年代收费75万美金
》
售價：HK$
74.8
《
档案中的虚构：16世纪法国的赦罪故事及故事的讲述者（人类学与新文化史研究经典力作）
》
售價：HK$
74.8
|
| 目錄：
|
第1章 绪论 001
1.1 什么是机器视觉 001
1.2 完整的机器视觉系统组成 002
1.3 机器视觉系统的特点 003
1.4 机器视觉系统相关应用领域 003
1.4.1 在工业生产中的应用 004
1.4.2 在农业中的应用 005
1.4.3 在医学中的应用 005
1.4.4 在军事方面的应用 006
1.4.5 在其他方面的应用 007
1.5 常用机器视觉图像库 007
1.5.1 OpenCV 007
1.5.2 VisionPro 008
1.5.3 HALCON 008
1.5.4 其他图像处理库 009
练习 009
第2章 视觉图像采集设备 010
2.1 光源 010
2.1.1 电磁辐射 010
2.1.2 光源类型 012
2.1.3 光源形状 012
2.1.4 光源照明方式 014
2.2 镜头 017
2.2.1 焦距 018
2.2.2 光圈 019
2.2.3 其他镜头参数 019
2.3 摄像机 020
2.3.1 CCD芯片尺寸 021
2.3.2 相机分辨率 022
2.3.3 相机帧率与曝光时间 022
2.3.4 其他相机参数 023
练习 023
第3章 数字图像基础知识 024
3.1 数字图像表示方式 024
3.2 数字图像类别 025
3.2.1 彩色图像 025
3.2.2 二值图像 026
3.2.3 灰度图像 027
3.2.4 索引图像 030
3.3 数字图像格式 030
3.3.1 BMP格式 030
3.3.2 JPEG格式 030
3.3.3 PNG格式 031
3.3.4 GIF格式 031
3.3.5 TIFF格式 031
3.4 数字图像处理步骤 032
3.5 数字图像基本性质 033
3.5.1 图像通道 033
3.5.2 图像分辨率 033
3.5.3 图像邻域 033
3.5.4 图像连通域 034
3.5.5 像素之间的距离 034
3.5.6 图像直方图 035
3.5.7 图像的熵 036
3.5.8 图像中的其他统计特征 037
练习 037
第4章 OpenCV基础知识 039
4.1 OpenCV简介 039
4.2 OpenCV组织架构 040
4.2.1 OpenCV的模块 041
4.2.2 OpenCV的扩展库 043
4.2.3 OpenCV的文档 043
4.3 OpenCV的使用 044
4.4 使用OpenCV的例子 045
练习 050
第5章 改善数字图像质量 051
5.1 灰度变换增强 051
5.1.1 线性变换 051
5.1.2 分段线性变换 052
5.1.3 对数变换 055
5.1.4 幂次变换 055
5.2 直方图变换增强 058
5.2.1 直方图均衡化 059
5.2.2 直方图规定化 060
5.3 图像平滑滤波 064
5.3.1 图像卷积运算 065
5.3.2 均值平滑滤波 067
5.3.3 中值滤波 068
5.3.4 高斯滤波 069
5.3.5 双边滤波 070
5.4 代数运算 074
5.4.1 图像加法 074
5.4.2 图像减法 075
5.4.3 图像乘法 075
5.4.4 图像除法 075
5.5 图像逻辑运算 078
练习 080
第6章 图像几何变换 082
6.1 图像插值 082
6.1.1 最近邻插值 082
6.1.2 双线性插值 084
6.1.3 双立方插值 085
6.2 图像仿射变换 087
6.3 图像透视变换 089
6.4 图像极坐标变换 091
练习 093
第7章 图像边界增强与边缘检测 095
7.1 图像中的梯度 095
7.2 一阶微分算子 097
7.2.1 水平微分和垂直微分 097
7.2.2 Kirsch算子 100
7.2.3 Sobel算子 101
7.2.4 Prewitt算子 102
7.2.5 Roberts算子 102
7.3 二阶微分算子 104
7.3.1 Laplacian算子 104
7.3.2 LOG算子 105
7.3.3 DOG算子 106
7.4 Canny算子 107
练习 109
第8章 图像的数学形态学处理 110
8.1 形态学基础 110
8.2 二值图像形态学运算 112
8.2.1 膨胀运算 112
8.2.2 腐蚀运算 114
8.2.3 开运算和闭运算 116
8.2.4 击中击不中变换 119
8.3 灰度图像数学形态学运算 123
8.3.1 灰度图膨胀与腐蚀 123
8.3.2 灰度图开运算与闭运算 124
8.3.3 形态学梯度 125
8.3.4 顶帽 125
8.3.5 底帽 126
8.4 形态学运算的应用 128
8.4.1 二值图像形态学应用 128
8.4.2 灰度图像形态学应用 130
练习 135
第9章 常用图像分割方法 136
9.1 阈值分割方法 136
9.1.1 全局阈值分割 137
9.1.2 局部阈值分割 141
9.2 区域生长算法 144
9.3 分水岭算法 147
9.4 其他分割方法 151
练习 152
第10章 模板匹配 154
10.1 图像金字塔 154
10.1.1 高斯金字塔 155
10.1.2 拉普拉斯金字塔 156
10.2 基于灰度值的模板匹配 157
10.3 带旋转与缩放的模板匹配 165
10.4 利用边缘检测结果进行匹配 166
10.5 基于梯度的匹配 167
10.6 基于特征的匹配 168
10.6.1 利用图像矩进行模板匹配 168
10.6.2 利用特征点进行匹配 170
练习 171
第11章 图像特征 172
11.1 几何特征检测 172
11.1.1 霍夫变换直线检测 173
11.1.2 霍夫变换圆检测 176
11.2 特征点检测 178
11.2.1 Harris角点检测 178
11.2.2 FAST特征点检测 181
11.2.3 SIFT特征检测 184
11.3 HOG特征 187
11.4 纹理特征 188
11.4.1 灰度共生矩阵 189
11.4.2 LBP特征 190
练习 192
第12章 机器学习 193
12.1 K-近邻算法 193
12.2 多层感知机 195
12.3 支持向量机 197
12.4 卷积神经网络 200
12.5 YOLO算法 203
练习 205
第13章 摄像机标定 206
13.1 摄像机标定原理 206
13.1.1 坐标系转换关系 207
13.1.2 镜头畸变 209
13.2 标定过程 211
练习 216
第14章 机器视觉应用实例分析 217
14.1 点阵字符分割 217
14.1.1 确定字符区域 218
14.1.2 字符区域二次分割 219
14.1.3 提取每个字符连通域 219
14.2 镜片定位与自动分拣 222
14.2.1 提取凹面镜片区域 223
14.2.2 中心位置查找 224
14.3 布料瑕疵检测 227
14.3.1 彩色图像分解 228
14.3.2 瑕疵区域提取 229
14.4 EmguCV与C#混合编程实例 231
14.4.1 EmguCV简介 231
14.4.2 图像处理算法设计 233
14.4.3 系统设计与算法集成 234
14.5 用C#搭建一个在线检测视觉图像采集系统 243
14.5.1 在线图像采集简介 243
14.5.2 利用摄像机SDK实现在线视觉系统图像采集 244
练习 253
附录 254
附录Ⅰ OpenCV C++配置 254
附录Ⅱ 机器学习示例C++代码 260
附录Ⅲ OpenCV常用函数或类 278
附录Ⅳ OpenCV机器视觉处理实例 283
参考文献 326
|
| 內容試閱：
|
机器视觉与图像处理是人工智能的一个重要研究方向。随着《中国制造2025》的提出，提升企业的智能制造水平已经提上日程，并涌现了大量的机器视觉需求。早些年由于计算机运算速度的限制，导致一些应用还无法实现。随着计算机性能的大幅提高以及视觉图像处理算法的发展，机器视觉系统已经成为工业生产的重要组成部分。随着智能化时代的到来，机器视觉在工业生产中将扮演更加重要的角色。
目前，机器视觉技术已经应用在各个行业中并显现出了巨大的优势与作用。但是，与机器视觉相关的书籍还比较缺少。机器视觉的核心是数字图像处理。市面上更多的是讲解图像处理算法以及相关软件的书籍，比如讲解OpenCV、HALCON、数字图像处理等书籍。这些书籍更多关注的是图像算法原理，或者软件平台的使用方法。一套视觉系统包括多方面的内容：硬件方面包括图像采集方法以及控制系统，涉及的硬件包括相机、镜头、光源照明、传感器、控制器，以及机械结构等；软件方面涉及上位机系统的开发等内容，图像处理算法只是实现视觉系统的核心部分，即使部分书籍涉及该内容，也更多的是关于机器视觉理论的介绍。此外，在介绍图像处理的时候，大多数书籍主要是对算法原理的介绍，展示一张图像演示如何使用该算法，而没有针对具体应用说明算法如何使用。当前学习机器视觉的人员，主要注重对图像处理算法原理的理解，缺少对图像处理算法应用的理解。机器视觉主要是对图像处理算法的应用，各种算法有机地组合在一起，实现某种视觉检测要求。机器视觉系统对开发原创性算法的要求不高，更多的是已有算法的应用，这要求视觉系统开发人员既要懂得算法的原理，又要熟练掌握算法的应用，才不会导致视觉系统开发效率低下。此外，还需要掌握一定的图像采集知识，因为图像质量直接关系到视觉系统的成败。因此，有必要系统地介绍关于机器视觉的理论基础知识、图像处理算法基础知识，以及这些知识的具体应用。
本书结合作者多年的理论研究和实际工程应用经验编写。首先介绍机器视觉系统的概念及机器视觉中的图像采集方法，包括光源及照明方式、镜头与相机主要参数等，接着介绍开源视觉图像处理算法库OpenCV的应用方法。然后详细介绍数字图像的概念、常用图像处理算法（如图像增强、图像几何变换、边缘检测算法、数学形态学算法、图像分割算法、模板匹配算法、特征检测算法、机器学习算法），以及摄像机标定原理和方法，通过实例对算法结果进行了展示。最后通过具体的应用案例分析让读者了解完整的视觉图像处理过程，通过OpenCV与C#混合编程，让读者了解如何建立一个完整的机器视觉系统。
本书除了对基本理论知识进行描述，还对知识的应用进行了详细的介绍，同时结合OpenCV，通过具体实例展示了应用效果。引导读者在掌握视觉处理算法的基础上，培养读者独立思考和解决问题的能力，同时培养读者利用OpenCV进行编程的能力，构建机器视觉系统的能力和工程应用能力。书中所有示例均在Visual Studio2017 C++版本和Python3.8.8上基于OpenCV4.7调试运行完成，对于Visual Studio或者OpenCV的其他版本同样适用，最后的视觉系统采用OpenCV+C#+EmguCV完成。其中EmguCV是在C#上封装的OpenCV函数库，其使用方法和C++版本的OpenCV类似。与本书配套的教学辅助资源包括电子课件、案例图像和代码，免费提供给采用本书授课的教师使用。附录部分提供了OpenCV的安装方法，同时提供了16个机器视觉处理实例作为实验，基于OpenCV4.7采用C++和Python两种代码实现，并提供了完整的源代码，既可以作为配套本书机器视觉实验使用，也可以作为学习OpenCV的案例。
本书共14章，参加本书编写的有王强（第1章、第2章、第4章、第6章、第7章）、熊鹰（第5章、第8章、第10章）、袁建英（第9章、第11章、第12章）、田亚铃（第3章、第13章）、彭悦蓉（第14章及附录和习题），由王强担任主编，熊鹰、袁建英担任副主编，田亚铃和彭悦蓉参编，王强负责统稿。全书由大恒图像技术专家王萌担任技术顾问并提供技术支持和案例。
本书可作为普通高校相关专业教材，也可以作为从事图像处理、机器视觉相关的科研人员和工程应用技术人员的参考用书。
由于编者水平有限，书中难免存在不足之处，敬请读者批评指正。
编者
2025.5
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
