本书全面、系统地介绍了机器视觉系统硬件、相关的理论基础和应用技术，并在此基础上介绍了具体的工程案例。力求对机器视觉技术各关键环节进行深入浅出的介绍，通过大量的例题和案例设计，帮助读者快速掌握机器视觉技术的相关理论、编程技术，形成对于工程应用的框架性概念。全书共10章。第1章简要介绍机器视觉技术的基本概念、相关学科领域及机器视觉软件编程平台。第2章介绍图像的采集，重点是机器视觉技术中的硬件部分和HALCON软件的图像采集示例。第3章介绍了HALCON的数据结构、程序控制语句等。第4～6章介绍了机器视觉的理论基础和方法，包括图像预处理、图像分割和形态学图像处理。第7～10章介绍了与工程应用相关的机器视觉技术，包括模板匹配技术、相机标定技术、测量技术、分类描述与识别技术及其相关工程案例。
本书可作为电子信息、自动化、人工智能、计算机、机器人工程等专业高年级本科生的教材，也可以作为对机器视觉和数字图像处理感兴趣的初学者的参考书，还可以作为从事HALCON开发的广大科研人员和工程技术人员的参考书。

第1章 绪论
1.1 机器视觉概述
1.1.1 机器视觉系统的基本工作原理
1.1.2 机器视觉的工作方式
1.1.3 机器视觉的工业应用
1.2 相关学科领域
1.2.1 数字图像处理
1.2.2 数字信号处理
1.2.3 计算机视觉
1.3 机器视觉中的数据表示
1.3.1 图像
1.3.2 视频
1.4 机器视觉中的一些数学问题
1.4.1 插值
1.4.2 图像金字塔
1.5 HALCON概述
1.5.1 HALCON功能和应用简介
1.5.2 机器视觉软件设计开发平台比较
1.5.3 HDevelop简介
1.5.4 HDevelop图形组件
习题
第2章 图像采集
2.1 摄像机
2.1.1 摄像机的分类
2.1.2 摄像机的主要参数
2.1.3 摄像机数据接口与协议
2.2 镜头
2.2.1 镜头的种类
2.2.2 镜头的主要参数
2.2.3 镜头的选择
2.3 光源
2.3.1 前光源
2.3.2 背光源
2.3.3 光源的选择
2.4 HDevelop实时采集模块
2.4.1 HALCON图像采集步骤
2.4.2 实例
习题
第3章 HALCON程序设计基础
3.1 HALCON的数据结构
3.2 Iconic图标参数
3.2.1 Image图像
3.2.2 Region区域
3.2.3 XLD亚像素轮廓
3.2.4 图标的显示设置
3.3 Control控制参数
3.3.1 Tuple数组定义和赋值
3.3.2 Tuple算术基础运算
3.3.3 Tuple三角函数运算
3.3.4 Tuple数组元素的运算
3.3.5 Tuple位运算
3.3.6 字符串运算
3.4 HALCON程序控制语句
3.4.1 循环语句
3.4.2 条件语句
3.4.3 中断语句
习题
第4章 图像预处理
4.1 图像的灰度变换
4.1.1 灰度变换的基础知识
4.1.2 灰度线性变换
4.1.3 灰度分段线性变换
4.1.4 灰度非线性变换
4.2 直方图变换
4.2.1 灰度直方图的定义和性质
4.2.2 直方图均衡化
4.2.3 直方图规定化
4.3 图像空域滤波
4.3.1 平滑滤波
4.3.2 中值滤波
4.4 图像频域滤波
4.4.1 理想低通滤波器
4.4.2 Butterworth低通滤波器
4.4.3 指数低通滤波器
4.4.4 梯形低通滤波器
习题
第5章 图像分割
5.1 图像分割的定义和分类
5.1.1 图像分割的定义
5.1.2 图像分割的分类
5.2 基于边界技术的图像分割
5.2.1 边缘检测概述
5.2.2 正交梯度算子
5.2.3 二阶导数算子
5.2.4 Hough变换
5.2.5 亚像素级别的边缘提取
5.3 阈值分割法
5.3.1 阈值分割法的分类
5.3.2 全局阈值分割法
5.3.3 基于图像区城的动态阈值分割法
5.4 区域生长法
5.4.1 算法基本原理
5.4.2 算法数学公式
5.4.3 算法设计思路
5.4.4 应用案例
5.5 深度学习法
5.5.1 深度学习
5.5.2 卷积神经网络
5.5.3 全卷积神经网络
5.5.4 算法设计思路
习题
第6章 形态学图像处理
6.1 二值图像形态学基本运算
6.1.1 结构元素
6.1.2 二值膨胀
6.1.3 二值腐蚀
6.1.4 开闭运算
6.1.5 击中-击不中变换
6.2 二值形态学的应用
4.4 图像频域滤波
4.4.1 理想低通滤波器
4.4.2 Butterworth低通滤波器
4.4.3 指数低通滤波器
4.4.4 梯形低通滤波器
习题
第5章 图像分割
5.1 图像分割的定义和分类
5.1.1 图像分割的定义
5.1.2 图像分割的分类
5.2 基于边界技术的图像分割
5.2.1 边缘检测概述
5.2.2 正交梯度算子
5.2.3 二阶导数算子
5.2.4 Hough变换
5.2.5 亚像素级别的边缘提取
5.3 阈值分割法
5.3.1 阔值分割法的分类
5.3.2 全局阔值分割法
5.3.3 基于图像区域的动态阈值分割法
5.4 区域生长法
5.4.1 算法基本原理
5.4.2 算法数学公式
5.4.3 算法设计思路
5.4.4 应用案例
5.5 深度学习法
5.5.1 深度学习
5.5.2 卷积神经网络
5.5.3 全卷积神经网络
5.5.4 算法设计思路
习题
第6章 形态学图像处理
6.1 二值图像形态学基本运算
6.1.1 结构元素
6.1.2 二值膨胀
6.1.3 二值腐蚀
6.1.4 开闭运算
6.1.5 击中-击不中变换
6.2 二值形态学的应用
6.2.1 区域边界提取
6.2.2 孔洞填充
6.2.3 区域骨架计算
6.3 灰度形态学基本运算
6.3.1 灰度形态学基本概念
6.3.2 灰度膨胀
6.3.3 灰度腐蚀
6.3.4 灰度开运算、闭运算
6.4 灰度形态学组合运算
6.4.1 形态梯度
6.4.2 顶帽变换和底帽变换
习题
第7章 模板匹配
7.1 模板匹配的基本思想
7.2 模板匹配的分类
7.3 图像空间变换模型
7.3.1 刚体变换
7.3.2 仿射变换