上篇 机器视觉理论与算法
第1章 机器视觉
1.1 机器视觉的作用
1.2 机器视觉的硬件构成
1.2.1 计算机
1.2.2 图像采集设备
1.3 机器视觉的软件及编程工具
1.4 机器视觉、机器人和智能装备
1.5 机器视觉的功能与精度
第2章 图像处理
2.1 图像处理的发展过程
2.2 数字图像的采样与量化
2.3 彩色图像与灰度图像
2.4 图像文件及视频文件格式
2.5 数字图像的计算机表述
2.6 常用图像处理算法及其通用性问题
参考文献
第3章 目标提取
3.1 如何提取目标物体
3.2 基于阈值的目标提取
3.2.1 二值化处理
3.2.2 阈值的确定
3.3 基于颜色的目标提取
3.3.1 色相、亮度、饱和度及其他
3.3.2 颜色分量及其组合处理
3.4 基于差分的目标提取
3.4.1 帧间差分
3.4.2 背景差分
参考文献
第4章 边缘检测
4.1 边缘与图像处理
4.2 基于微分的边缘检测
4.3 基于模板匹配的边缘检测
4.4 边缘图像的二值化处理
4.5 细线化处理
4.6 Canny算法
参考文献
第5章 图像平滑处理
5.1 图像噪声及常用平滑方式
5.2 移动平均
5.3 中值滤波
5.4 高斯滤波
5.5 模糊图像的清晰化处理
5.5.1 对比度增强
5.5.2 自动对比度增强
5.5.3 直方图均衡化
5.5.4 暗通道先验法去雾处理
5.6 二值图像的平滑处理
参考文献
第6章 几何参数检测
6.1 基于图像特征的自动识别
6.2 二值图像的特征参数
6.3 区域标记
6.4 基于特征参数提取物体
6.5 基于特征参数消除噪声
参考文献
第7章 Hough变换
7.1 传统Hough变换的直线检测
7.2 过已知点Hough变换的直线检测
7.3 Hough变换的曲线检测
参考文献
第8章 几何变换
8.1 关于几何变换
8.2 放大缩小
8.3 平移
8.4 旋转
8.5 复杂变形
8.6 齐次坐标表示
参考文献
第9章 单目视觉测量
9.1 硬件构成
9.2 摄像机模型
9.2.1 参考坐标系
9.2.2 摄像机模型分析
9.3 摄像机标定
9.4 标定尺检测
9.4.1 定位追踪起始点
9.4.2 蓝黄边界检测
9.4.3 确定角点坐标
9.4.4 单应矩阵计算
9.5 标定结果分析
9.6 标识点自动检测
9.7 手动选取目标
9.8 距离测量分析
9.8.1 透视畸变对测距精度的影响
9.8.2 目标点与标定点的距离对测距精度的影响
9.9 面积测量算法
9.9.1 获取待测区域轮廓点集
9.9.2 最小凸多边形拟合
9.9.3 多边形面积计算
9.9.4 测量实例
参考文献
第10章 双目视觉测量
10.1 双目视觉系统的结构
10.1.1 平行式立体视觉模型
10.1.2 汇聚式立体视觉模型
10.2 摄像机标定
10.2.1 直接线性标定法
10.2.2 张正友标定法
10.2.3 摄像机参数与投影矩阵的转换
10.3 标定测量试验
10.3.1 直接线性标定法试验
10.3.2 张正友标定法试验
10.3.3 三维测量试验
参考文献
第11章 运动图像处理
11.1 光流法
11.1.1 光流法的基本概念
11.1.2 光流法用于目标跟踪的原理
11.2 模板匹配
11.3 运动图像处理实例
11.3.1 羽毛球技战术实时图像检测
11.3.2 蜜蜂舞蹈行为分析
参考文献
第12章 傅里叶变换
12.1 频率的世界
12.2 频率变换
12.3 离散傅里叶变换
12.4 图像的二维傅里叶变换
12.5 滤波处理
参考文献
第13章 小波变换
13.1 小波变换概述
13.2 小波与小波变换
13.3 离散小波变换
13.4 小波族
13.5 信号的分解与重构
13.6 图像处理中的小波变换
13.6.1 二维离散小波变换
13.6.2 图像的小波变换编程
参考文献
第14章 模式识别
14.1 模式识别与图像识别的概念
14.2 图像识别系统的组成
14.3 图像识别与图像处理和图像理解的关系
14.4 图像识别方法
14.4.1 模板匹配方法
14.4.2 统计模式识别
14.4.3 新的模式识别方法
14.5 人脸图像识别系统
参考文献
第15章 神经网络
15.1 人工神经网络
15.1.1 人工神经网络的生物学基础
15.1.2 人工神经元
15.1.3 人工神经元的学习
15.1.4 人工神经元的激活函数
15.1.5 人工神经网络的特点
15.2 BP神经网络
15.2.1 BP神经网络简介
15.2.2 BP神经网络的训练学习
15.2.3 改进型BP

陈兵旗编著的《机器视觉技术》分上下两篇介绍机器视觉的构成、图像处理方法以及应用实例。
上篇“机器视觉理论与算法”包括：机器视觉、图像处理、目标提取、边缘检测、图像平滑处理、几何参数检测、Hough变换、单目视觉测量、双目视觉测量、运动图像处理、傅里叶变换、小波变换、模式识别、神经网络、深度学习、遗传算法。
下篇“机器视觉应用系统”包括：通用图像处理系统ImageSys、二维运动测量分析系统MIAS、三维运动测量分析系统MIAS 3D、车辆视觉导航系统。
本书汇集了图像处理绝大多数现有流行算法,以浅显的图文并茂的方法讲解复杂的理论算法,每个算法都给出了实际处理案例。
书中所讲案例均来自生产实践,都得到了实际应用的检验。
本书不仅适用于机器视觉和图像处理专业理论结合实践的教学,对于本专业及相关专业的课题研究人员和专业技术人员也具有重要的参考价值。