本书主要介绍机器视觉基础理论与应用技术。首先介绍了机器视觉技术发展过程与趋势，进而介绍了机器视觉的基本理论，主要包括图像与视频预处理技术、图像去噪与增强技术、图像分割技术、图像特征描述方法、图像几何变换与映射、相机模型与多视图几何、目标分类识别技术、深度学习与机器视觉，最后，介绍了机器视觉技术在手势识别、车辆检测、人脸识别、医学诊断、人体姿态估计、水下图像目标检测等领域的典型应用案例。
本书可作为高等院校机器人工程、自动化、人工智能、计算机科学与技术、电气工程及其自动化、电子科学与技术等专业的教材，也可作为相关专业的教学参考书。同时，也可供机器视觉、图像处理、智能机器人、人工智能、智能无人系统等领域的研究生与工程技术人员参考。

第1章 绪论
1.1 机器视觉概述
1.1.1 人类视觉系统模型
1.1.2 机器视觉系统模型
1.2 机器视觉发展过程
1.3 机器视觉系统基本构成
1.3.1 机器视觉系统硬件构成
1.3.2 机器视觉系统软件及编程工具
1.3.3 机器视觉硬件系统与软件系统关系
1.4 典型的机器视觉技术
1.4.1 尺寸测量
1.4.2 缺陷检测
1.4.3 图像融合
1.4.4 目标跟踪
1.4.5 三维重构
1.5 机器视觉技术应用领域
1.5.1 制造业应用
1.5.2 农业应用
1.5.3 汽车行业应用
1.5.4 医学应用
1.6 机器视觉未来发展趋势
1.6.1 多传感器信息融合方法研究
1.6.2 深层初级视觉理论和方法研究
1.6.3 主动视觉研究
1.6.4 完整三维场景重构
1.6.5 视觉并行计算结构研究
1.6.6 通用视觉信息系统研究
习题
第2章 图像与视频预处理技术
2.1 图像格式
2.1.1 BMP图像
2.1.2 GIF图像
2.1.3 PNG图像
2.1.4 TIFF图像
2.1.5 JPEG.2000图像
2.2 视频格式
2.2.1 AVS视频
2.2.2 HDV视频
2.2.3 WMV视频
2.3 灰度图像预处理
2.3.1 函数灰度变换
2.3.2 直方图类方法
2.3.3 几何变换
2.4 彩色图像预处理
2.4.1 颜色模型
2.4.2 灰度图像与彩色图像的转换
2.4.3 彩色图像平衡与补偿
2.5 视频流处理
2.5.1 视频镜头分割
2.5.2 关键帧提取
2.5.3 视频特征提取
习题
第3章 图像去噪与增强技术
3.1 图像噪声与退化模型
……
第4章 图像分割技术
第5章 图像特征描述方法
第6章 图像几何变换与映射
第7章 相机模型与多视图几何
第8章 目标分类识别技术
第9章 深度学习与机器视觉
第10章 机器视觉技术应用案例
参考文献