机器视觉算法原理与编程实战PDF电子书下载
其他书籍
- 作 者：杨青着
- 出 版 社：
- 出版年份：2019
- ISBN：
- 页数：0 页
图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：瓦格纳词典下一篇：孤军二十五 一译 水兵尼古林 《机器视觉算法原理与编程实战》目录 标签：算法 实战 原理 视觉 机器
第1篇 基础篇1
第1章 机器视觉概述2
1.1 什么是机器视觉3
1.2 机器视觉与计算机视觉的区别3
1.3 机器视觉的工作原理5
1.4 机器视觉的应用领域6
第2章 如何做机器视觉项目8
2.1 项目的前期准备9
2.1.1 从5个方面初步分析客户需求9
2.1.2 方案评估与验证9
2.1.3 签订合同10
2.2 项目规划11
2.2.1 定义客户的详细需求11
2.2.2 制订项目管理计划11
2.2.3 方案评审12
2.3 详细设计12
2.3.1 硬件设备的选择与环境搭建12
2.3.2 软件开发平台与开发工具的选择13
2.3.3 机器视觉系统的整体框架与开发流程13
2.3.4 交互界面设计14
2.3.5 Halcon与开发工具14
2.4 项目交付15
2.4.1 软件功能测试15
2.4.2 现场调试15
2.4.3 系统维护16
第3章 硬件环境搭建17
3.1 相机18
3.1.1 相机的主要参数18
3.1.2 相机的种类19
3.1.3 相机的接口20
3.1.4 相机的选型20
3.2 图像采集卡22
3.2.1 图像采集卡的种类22
3.2.2 图像采集卡的选型23
3.3 镜头23
3.4 光源24
3.5 实例：硬件选型25
第4章 软件图像采集26
4.1 获取非实时图像27
4.1.1 读取图像文件27
4.1.2 读取视频文件28
4.2 获取实时图像30
4.2.1 Halcon的图像采集步骤30
4.2.2 使用Halcon接口连接相机30
4.2.3 使用相机的SDK采集图像33
4.2.4 外部触发采集图像33
4.3 多相机采集图像34
4.4 Halcon图像的基本结构35
4.5 实例：采集Halcon图像并进行简单处理36
第2篇 算法篇39
第5章 图像预处理40
5.1 图像的变换与校正41
5.1.1 二维图像的平移、旋转和缩放41
5.1.2 图像的仿射变换42
5.1.3 投影变换42
5.1.4 实例：透视形变图像校正43
5.2 感兴趣区域（ROI）45
5.2.1 ROI的意义45
5.2.2 创建ROI45
5.3 图像增强46
5.3.1 直方图均衡46
5.3.2 增强对比度48
5.3.3 处理失焦图像49
5.4 图像平滑与去噪49
5.4.1 均值滤波49
5.4.2 中值滤波50
5.4.3 高斯滤波51
5.5 光照不均匀52
第6章 图像分割54
6.1 阈值处理55
6.1.1 全局阈值55
6.1.2 基于直方图的自动阈值分割方法56
6.1.3 自动全局阈值分割方法57
6.1.4 局部阈值分割方法58
6.1.5 其他阈值分割方法60
6.2 区域生长法62
6.2.1 regiongrowing算子62
6.2.2 regiongrowing_mean算子64
6.3 分水岭算法65
第7章 颜色与纹理67
7.1 图像的颜色68
7.1.1 图像的色彩空间68
7.1.2 Bayer图像69
7.1.3 颜色空间的转换70
7.2 颜色通道的处理70
7.2.1 图像的通道71
7.2.2 访问通道71
7.2.3 通道分离与合并71
7.2.4 处理RGB信息73
7.3 实例：利用颜色信息提取背景相似的字符区域74
7.4 纹理分析75
7.4.1 纹理滤波器75
7.4.2 实例：织物折痕检测76
第8章 图像的形态学处理77
8.1 腐蚀与膨胀78
8.1.1 结构元素78
8.1.2 腐蚀78
8.1.3 膨胀80
8.2 开运算与闭运算82
8.2.1 开运算82
8.2.2 闭运算84
8.3 顶帽运算与底帽运算85
8.3.1 顶帽运算86
8.3.2 底帽运算86
8.3.3 顶帽运算与底帽运算的应用87
8.4 灰度图像的形态学运算89
8.4.1 灰度图像与区域的区别89
8.4.2 灰度图像的形态学运算效果及常用算子89
8.5 实例：粘连木材图像的目标分割与计数91
第9章 特征提取95
9.1 区域形状特征96
9.1.1 区域的面积和中心点96
9.1.2 封闭区域（孔洞）的面积97
9.1.3 根据特征值选择区域98
9.1.4 根据特征值创建区域100
9.2 基于灰度值的特征103
9.2.1 区域的灰度特征值103
9.2.2 区域的最大、最小灰度值105
9.2.3 灰度的平均值和偏差106
9.2.4 灰度区域的面积和中心107
9.2.5 根据灰度特征值选择区域107
9.3 基于图像纹理的特征109
9.3.1 灰度共生矩阵109
9.3.2 创建灰度共生矩阵110
9.3.3 用共生矩阵计算灰度值特征111
9.3.4 计算共生矩阵并导出其灰度值特征111
9.3.5 实例：提取图像的纹理特征112
第10章 边缘检测115
10.1 像素级边缘提取116
10.1.1 经典的边缘检测算子116
10.1.2 边缘检测的一般流程117
10.1.3 sobel_amp算子117
10.1.4 edges_image算子120
10.1.5 其他滤波器122
10.2 亚像素级边缘提取124
10.2.1 edges_sub_pix算子125
10.2.2 edges_color_sub_pix算子126
10.2.3 lines_gauss算子127
10.3 轮廓处理129
10.3.1 轮廓的生成130
10.3.2 轮廓的处理130
第11章 模板匹配134
11.1 模板匹配的种类135
11.1.1 基于灰度值的模板匹配135
11.1.2 基于相关性的模板匹配136
11.1.3 基于形状的模板匹配136
11.1.4 基于组件的模板匹配137
11.1.5 基于形变的模板匹配138
11.1.6 基于描述符的模板匹配138
11.1.7 基于点的模板匹配139
11.1.8 模板匹配方法总结139
11.2 图像金字塔140
11.3 模板图像142
11.3.1 从参考图像的特定区域中创建模板142
11.3.2 使用XLD轮廓创建模板143
11.4 模板匹配的步骤143
11.4.1 基于灰度值的模板匹配143
11.4.2 基于相关性的模板匹配145
11.4.3 基于形状的模板匹配147
11.4.4 基于组件的模板匹配149
11.4.5 基于局部形变的模板匹配150
11.4.6 基于透视形变的模板匹配152
11.4.7 基于描述符的模板匹配153
11.4.8 优化匹配速度155
11.4.9 使用Halcon匹配助手进行匹配156
11.5 实例：指定区域的形状匹配159
第12章 图像分类163
12.1 分类器164
12.1.1 分类的基础知识164
12.1.2 MLP分类器166
12.1.3 SVM分类器166
12.1.4 GMM分类器166
12.1.5 k-NN分类器167
12.1.6 选择合适的分类器167
12.1.7 选择合适的特征168
12.1.8 选择合适的训练样本168
12.2 特征的分类169
12.2.1 一般步骤169
12.2.2 MLP分类器170
12.2.3 SVM分类器176
12.2.4 GMM分类器176
12.2.5 k-NN分类器177
12.3 光学字符识别178
12.3.1 一般步骤179
12.3.2 OCR实例179
第13章 相机标定与三维重建183
13.1 立体视觉的基础知识184
13.1.1 三维空间坐标184
13.1.2 3D位姿185
13.2 相机标定186
13.2.1 相机标定的目的和意义186
13.2.2 标定的参数187
13.2.3 准备标定板188
13.2.4 采集标定图像的过程与操作细节189
13.2.5 使用Halcon标定助手进行标定190
13.2.6 使用Halcon算子进行标定193
13.2.7 使用自定义的标定板194
13.3 双目立体视觉195
13.3.1 双目立体视觉的原理195
13.3.2 双目相机的结构196
13.3.3 双目立体视觉相机的标定198
13.3.4 校正立体图像对198
13.3.5 获取视差图199
13.3.6 计算三维信息201
13.3.7 多目立体视觉202
13.4 激光三角测量203
13.4.1 技术原理203
13.4.2 使用Halcon标准标定板标定sheet-of-light204
13.4.3 使用sheet-of-light进行测量206
13.5 DFF方法207
第14章 机器视觉中的深度学习209
14.1 深度学习的基本概念210
14.1.1 Halcon中深度学习的应用210
14.1.2 系统需求210
14.1.3 搭建深度学习环境210
14.1.4 Halcon的通用深度学习流程212
14.1.5 数据213
14.1.6 网络与训练过程214
14.1.7 随机梯度下降法215
14.1.8 迁移学习215
14.1.9 设置训练参数：超参数216
14.1.10 验证训练结果217
14.2 分类218
14.2.1 准备网络和数据219
14.2.2 训练网络并评估训练过程219
14.2.3 分类器的应用与评估220
14.2.4 实际检测221
14.2.5 评估分类检测的结果221
14.3 物体检测222
14.3.1 物体检测的原理222
14.3.2 物体检测的数据集223
14.3.3 模型参数224
14.3.4 评估检测结果224
14.3.5 物体检测步骤225
14.4 语义分割226
14.4.1 语义分割概述226
14.4.2 语义分割的数据集227
14.4.3 模型参数设置228
14.4.4 语义分割的一般流程228
14.4.5 评估语义分割的结果230
第3篇 应用案例篇231
第15章 实例分析：印刷完整性检测232
15.1 系统结构233
15.2 检测算法233
15.2.1 差异模型234
15.2.2 算法步骤234
15.2.3 实例分析236
第16章 实例分析：布料表面缺陷检测240
16.1 检测算法241
16.1.1 功能说明241
16.1.2 算法原理241
16.2 检测布料表面划痕241
16.3 检测布料表面破洞243
16.4 检测周期纹理图像的缺陷244
16.5 检测周期纹理图像的污染区域246
第17章 实例分析：仪表数值智能识别248
17.1 检测算法249
17.1.1 采集图像与显示249
17.1.2 图像对齐249
17.1.3 创建形状模板251
17.1.4 基于形状特征的模板匹配251
17.2 指针识别252
17.2.1 识别指针252
17.2.2 识别方法252
17.3 字符识别254
17.3.1 离线训练254
17.3.2 在线检测254
17.4 数值分析255
17.4.1 确定刻度255
17.4.2 数值分析255
第18章 实例分析：双目立体视觉与定位256
18.1 系统结构257
18.1.1 硬件组成257
18.1.2 软件结构257
18.2 图像采集与标定258
18.2.1 图像采集258
18.2.2 相机标定259
18.2.3 图像校正261
18.3 双目测距262
18.3.1 提取视差262
18.3.2 计算深度和距离262
相关图书
- 《Maya 2018完全实战技术手册》来阳编着 2019
- 《Python3从入门到实战》董洪伟 2019
- 《第一性原理方法及应用》李青坤着 2019
- 《计算机组成原理解题参考 第7版》张基温 2017
- 《大数据Hadoop 3.X分布式处理实战》吴章勇，杨强 2020
- 《星空摄影后期实战》阿五在路上着 2020
- 《高等院校保险学专业系列教材 保险学原理与实务》林佳依责任编辑；（中国）牟晓伟，李彤宇 2019
- 《半小时漫画股票实战法》财经杂质着 2019
- 《深度学习与飞桨PaddlePaddle Fluid实战》于祥 2019
- 《刑法归责原理的规范化展开》陈璇着 2019
作者其它书籍
- 《中风偏瘫 脑萎缩 痴呆 最新治疗原则与方法》孙作东着 2004
- 《水面舰艇编队作战运筹分析》谭安胜着 2009
- 《王蒙文集 新版 35 评点《红楼梦》 上》王蒙着 2020
- 《TED说话的力量 世界优秀演讲者的口才秘诀》（坦桑）阿卡什·P.卡里亚着 2019
- 《燕堂夜话》蒋忠和着 2019
- 《经久》静水边着 2019
- 《魔法销售台词》（美）埃尔默·惠勒着 2019
- 《微表情密码》（波）卡西亚·韦佐夫斯基，（波）帕特里克·韦佐夫斯基着 2019
- 《看书琐记与作文秘诀》鲁迅着 2019
- 《酒国》莫言着 2019
出版社其它书籍
本类热门
- 1变通 受用一生的学问
- 2额尔古纳河右岸
- 3易经真的很容易
- 4海蒂怀孕大百科 全新第4版
- 5八次危机 中国的真实经验1949-2009
- 6法治的细节
- 7你是你吃出来的
- 8蛤蟆先生的希望
- 9杀死一只知更鸟
- 10天幕红尘
摘要：本文深入剖析了《机器视觉算法原理与编程实战.pdf电子书版文档下载》一书，全面介绍了机器视觉算法的基本原理、编程技巧以及实战应用。通过对该书的详细解读，读者可以全面了解机器视觉领域的前沿技术，掌握算法实现与编程方法，为实际项目开发提供有力支持。
1、算法原理
《机器视觉算法原理与编程实战.pdf电子书版文档下载》详细阐述了机器视觉算法的基本原理，包括图像处理、特征提取、目标检测与识别等核心内容。书中通过实例分析，深入浅出地讲解了各种算法的原理和应用场景，使读者能够快速掌握算法的核心思想。
例如，书中对边缘检测、形态学处理、特征匹配等算法进行了详细讲解，并通过实际案例展示了算法在图像处理中的应用效果。此外，书中还介绍了深度学习在机器视觉领域的应用，使读者对这一前沿技术有了更深入的了解。
通过学习本书，读者可以掌握以下算法原理：图像滤波、边缘检测、形态学处理、特征提取、目标检测与识别、深度学习等。
2、编程实战
《机器视觉算法原理与编程实战.pdf电子书版文档下载》不仅介绍了机器视觉算法原理，还提供了丰富的编程实战案例。书中以Python语言为例，详细讲解了如何使用OpenCV等开源库实现机器视觉算法。
例如，书中通过实例演示了如何使用OpenCV进行图像滤波、边缘检测、形态学处理等操作。同时，书中还介绍了如何利用OpenCV进行特征提取、目标检测与识别等任务。通过这些实战案例，读者可以快速掌握机器视觉编程技巧。
本书提供的编程实战案例包括：图像滤波、边缘检测、形态学处理、特征提取、目标检测与识别等。
3、实战应用
《机器视觉算法原理与编程实战.pdf电子书版文档下载》不仅关注算法原理和编程技巧，还关注机器视觉在实际项目中的应用。书中介绍了多个行业应用案例，如安防监控、工业检测、自动驾驶等，使读者能够了解机器视觉技术在各个领域的应用前景。
例如，书中介绍了如何利用机器视觉技术实现智能安防监控、工业产品质量检测、自动驾驶等应用。通过这些案例，读者可以了解机器视觉技术在实际项目中的应用方法和挑战。
本书介绍的实战应用案例包括：安防监控、工业检测、自动驾驶等。
4、学习资源
《机器视觉算法原理与编程实战.pdf电子书版文档下载》提供了丰富的学习资源，包括代码示例、视频教程、在线课程等。读者可以通过这些资源，加深对书中内容的理解和掌握。
例如，书中提供了大量的代码示例，帮助读者更好地理解算法实现过程。此外，书中还推荐了相关的在线课程和视频教程，使读者能够更全面地学习机器视觉知识。
本书提供的学习资源包括：代码示例、视频教程、在线课程等。
总结：
《机器视觉算法原理与编程实战.pdf电子书版文档下载》一书全面介绍了机器视觉算法原理、编程技巧以及实战应用，为读者提供了丰富的学习资源和实战案例。通过学习本书，读者可以快速掌握机器视觉领域的前沿技术，为实际项目开发提供有力支持。
本文由nayona.cn整理
该网站所有的联系方式，都是工作人员微信，加不上就联系其他号， 联系我们v；shuij56
