1章 机器视觉概述 001
1.1 什么是机器视觉 002
1.2 机器视觉系统硬件构成 003
1.3 硬件选型 004
1.4 机器视觉的应用及展望 013
2章 数字图像基础 015
2.1 图像和数字图像 016
2.2 图像的数字化 018
2.3 图像像素间的关系 022
2.4 图像灰度直方图 025
3章 初步认识HALCON 029
3.1 走进HALCON 030
3.2 HDevelop图形组件 031
3.3 软件图像采集 036
3.4 数据结构 041
4章 图像预处理 051
4.1 感兴趣区域（ROI） 052
4.2 图像的变换与校正 053
4.3 图像增强 057
5章 图像分割 083
5.1 阈值分割 084
5.2 边缘检测 088
5.3 区域分割 095
5.4 Hough变换 098
5.5 分水岭算法 101
6章 特征提取 103
6.1 图像特征概述 104
6.2 区域形状特征 104
6.3 基于灰度值的特征 110
6.4 基于图像纹理的特征 116
7章 图像的形态学处理 121
7.1 数学形态学预备知识 122
7.2 二值图像的基本形态学运算 123
7.3 灰度图像的形态学运算 134
7.4 二值图像的基本形态学算法 140
8章 图像模板匹配 147
8.1 图像模板匹配概述 148
8.2 基于像素灰度值的模板匹配 148
8.3 基于特征的模板匹配 154
8.4 图像金字塔 162
8.5 Matching助手 166
9章 相机标定 171
9.1 标定的目的和意义 172
9.2 标定的参数 172
9.3 HALCON标定流程 173
10章 3D视觉基础 177
10.1 三维空间坐标 178
10.2 双目立体视觉 179
10.3 激光三角测量 183
11章 混合编程 191
11.1 混合编程的方式 192
11.2 HALCON与MFC混合编程 192
11.3 HALCON与QT混合编程 200
12章 案例分析 209
12.1 车牌识别 210
12.2 卡号识别 212
12.3 缺陷检测 214
12.4 几何测量 218
12.5 齿轮3D平面度检测 223
参考文献 232
