工業機器視覺基礎教程

《工業機器視覺基礎教程》是2021年機械工業出版社出版的圖書。

基本介紹

• 中文名：工業機器視覺基礎教程
• 別名：工業機器視覺基礎教程 HALCON篇
• 作者：郭森
• 出版社：機械工業出版社
• 出版時間：2021年12月
• 頁數：202 頁
• 定價：59.00 元
• 開本：16 開
• 裝幀：平裝
• ISBN： 9787111693857
• 叢書系列：高等職業教育系列教材 

內容簡介

本書圍繞工業機器視覺的具體套用，基於HALCON機器視覺集成開發平台，通過 30 余個典型案例，詳細介紹工業機器視覺的概念、原理和套用。主要內容包括HALCON編程軟體、圖像採集硬體的組成、圖像處理的基本方法和原理、圖像特徵與提取、圖像模式識別等，並通過綜合實例介紹套用HALCON解決實際問題的方法和步驟。

本書面向實際套用，內容力求精煉，避免冗繁理論推導，適合高等職業院校和套用型本科院校相關專業的學生使用，也可供圖像處理、模式識別、人工智慧等領域的科研人員和工程技術人員參考。

圖書目錄

出版說明

前言

第1章 緒論1

1.1 工業機器視覺的概念1

1.2 工業機器視覺的套用領域1

1.3 工業機器視覺的基本原理4

1.3.1 工業機器視覺涉及的關鍵技術4

1.3.2 工業機器視覺系統5

習題6

第2章 HALCON的基礎知識7

2.1 HALCON的集成開發環境7

2.2 HALCON語言10

2.2.1 HALCON中的數據類型10

2.2.2 HALCON中的運算符12

2.2.3 HALCON中的控制流運算元13

2.3 HALCON中創建函式15

2.4 案例—找出圖中面積的圓17

習題19

第3章 機器視覺硬體系統20

3.1 光源20

3.1.1 光源的顏色21

3.1.2 光源的照射方式23

3.1.3 案例—選擇合適的打光方式27

3.2 鏡頭28

3.2.1 工業鏡頭的基本參數28

3.2.2 工業鏡頭的分類29

3.3 相機30

3.3.1 相機的性能指標30

3.3.2 相機的分類31

3.3.3 相機-計算機接口32

3.4 相機標定34

3.4.1 相機標定原理34

3.4.2 相機標定過程36

3.4.3 案例—用HALCON標定助手對相機進行標定38

習題40

第4章 灰度圖像BLOB分析41

4.1 BLOB簡介41

4.1.1 BLOB的概念41

4.1.2 案例—BLOB分析的方法和步驟42

4.2 灰度直方圖43

4.2.1 灰度直方圖的概念43

4.2.2 灰度直方圖與圖像清晰度的關係43

4.2.3 案例—顯示灰度圖像的直方圖44

4.3 閾值分割45

4.3.1 全局固定閾值分割45

4.3.2 案例—用“灰度直方圖”工具對圖像進行二值化46

4.3.3 動態閾值分割47

4.3.4 案例—圓點檢測47

4.4 連通區域分析48

4.4.1 連通區域分析的原理48

4.4.2 案例—分割圖中的數字50

4.5 特徵值計算50

4.5.1 BLOB分析中的常用特徵值50

4.5.2 “特徵直方圖”工具52

4.5.3 案例—從標定板中分割出圓點52

習題54

第5章 圖像濾波56

5.1 圖像濾波簡介56

5.2 空間域圖像濾波56

5.2.1 均值濾波57

5.2.2 案例—均值濾波器的套用59

5.2.3 高斯濾波60

5.2.4 中值濾波61

5.2.5 三種空間濾波方法的比較62

5.2.6 案例—分析液體中的顆粒63

5.3 頻域圖像濾波64

5.3.1 頻域濾波原理64

5.3.2 頻率域低通濾波66

5.3.3 案例—低通濾波器的套用69

5.3.4 頻率域高通濾波69

5.3.5 案例—套用高斯高通濾波器提取圖像輪廓71

5.3.6 頻率域的帶阻/帶通濾波器73

5.3.7 案例—套用帶通濾波器進行劃痕檢測75

習題76

第6章 圖像的形態學處理78

6.1 圖像的形態學處理簡介78

6.2 形態學的基礎算法78

6.2.1 膨脹運算78

6.2.2 腐蝕運算79

6.2.3 開運算80

6.2.4 閉運算80

6.2.5 案例—求圖中地球的中心點坐標81

6.2.6 其他形態學運算元82

6.2.7 案例—套用“擊中擊不中”的方法檢測字元84

6.3 形態學的典型套用85

6.3.1 邊界提取85

6.3.2 案例—提取目標區域的邊界85

6.3.3 區域填充86

6.3.4 連線成分提取87

6.3.5 案例—檢測並計算出圓形工件上的瑕疵大小88

習題89

第7章 圖像的幾何變換90

7.1 圖像的幾何變換簡介90

7.2 圖像的位置變換90

7.2.1 圖像平移90

7.2.2 圖像旋轉91

7.2.3 案例—標籤旋轉92

7.2.4 圖像鏡像93

7.2.5 案例—圖像鏡像94

7.3 圖像的形狀變換95

7.3.1 圖像的縮小95

7.3.2 圖像的放大95

7.3.3 圖像的錯切96

7.3.4 透射變換97

7.3.5 案例—二維碼位姿校正98

習題99

第8章 圖像特徵與提取101

8.1 圖像特徵101

8.2 邊緣特徵101

8.2.1 差分邊緣檢測運算元102

8.2.2 Roberts運算元103

8.2.3 Sobel運算元103

8.2.4 canny運算元104

8.2.5 Prewitt 運算元105

8.2.6 案例—用邊緣檢測提取公路標線105

8.3 圖像的骨架特徵106

8.3.1 骨架的原理106

8.3.2 案例—長條形物體上的缺陷檢測107

8.4 區域特徵109

8.4.1 常用區域特徵109

8.4.2 案例—找出圖中的六角螺帽111

8.5 灰度直方圖特徵112

8.5.1 常用的灰度直方圖特徵112

8.5.2 案例—紅外物體的熱點溫度檢測113

8.6 圖像的紋理特徵114

8.6.1 灰度共生矩陣原理115

8.6.2 案例—LCD顯示器缺陷檢測117

8.7 角點特徵118

8.7.1 角點檢測法原理118

8.7.2 案例—方格牆磚的角點檢測119

8.8 亞像素邊緣特徵121

8.8.1 亞像素方法原理121

8.8.2 XLD特徵122

8.8.3 案例—用亞像素的方法計算工件圓孔的半徑122

8.9 圖像的顏色特徵124

8.9.1 圖像的彩色124

8.9.2 顏色模組125

習題129

第9章 圖像模式識別131

9.1 圖像模式識別的定義131

9.2 模板匹配131

9.2.1 模板匹配的原理131

9.2.2 案例—用模式識別的方法查找對應圖案135

9.2.3 案例—用模板匹配助手實現晶片標識的匹配與定位136

9.3 統計模式識別141

9.3.1 K-近鄰法（K-NN）141

9.3.2 支持向量機143

9.4 案例—套用支持向量機進行樣本缺陷檢測146

9.5 神經網路149

9.5.1 神經網路的定義149

9.5.2 神經網路的創建和套用150

9.5.3 常見的神經網路類型150

9.5.4 案例—用神經網路訓練識別車牌漢字152

9.5.5 案例—用神經網路進行像素分類154

9.6 字元識別（OCR）155

9.6.1 字元識別原理155

9.6.2 案例—識別車牌中的英文字母和數字157

習題158

第10章 綜合實例16