深度学和传统机器视觉技术相融合，可以大大提高AI 技术的效率和度。本书分上、下两篇，共19 章内容，详细讲解了机器视觉及深度学的理论和编程实践。
上篇介绍理论算法。括机器视觉的图像处理算法、深度学的理论基础和目前常用的深度学框架。
下篇介绍编程环境及系统搭建。讲解了机器视觉图像处理算法及深度学的编程工具 VC++、Python 和 OpenCV；利用 VC++和 Python 工具，搭建图像处理的工程界面；介绍了常用的9 种深度学框架的获得方法、安装设置、工程建，以及深度学工程的编译、训练、评估与署方法。
每个搭建的工程，提供套可下载的源代码程序，方便读者下载学。
本书理论与实践兼顾，可为从事机器视觉技术及人工智能研究和应用的工程技术人员提供帮助，也可供高等院校相关业师生学参考。

上篇 理论算法 1
第1章 基础知识 2
1.1 图像与颜色 2
1.1.1 彩色图像 2
1.1.2 灰度图像 3
1.1.3 颜色变换 3
1.2 机器视觉 4
1.2.1 机器视觉构成 4
1.2.2 数字图像处理 6
1.3 深度学 9
1.3.1 基本概念 9
1.3.2 基本思想 10
1.3.3 深度学常用方法 10

第2章 目标提取 21
2.1 灰度目标 21
2.1.1 阈值分割 21
2.1.2 自动二值化处理 22
2.2 彩色图像 24
2.2.1 果树上红色桃子的提取 24
2.2.2 绿色麦苗的提取 26
2.3 运动图像 27
2.3.1 帧间差分 27
2.3.2 背景差分 27
2.4 C 语言实现 28
2.4.1 二值化处理 28
2.4.2 双阈值二值化处理 29
2.4.3 直方图 30
2.4.4 直方图平滑化 31
2.4.5 大津法二值化处理 31

第3章 边缘检测 34
3.1 图像边缘 34
3.2 微分处理 35
3.2.1 微分 35
3.2.2 二微分 36
3.3 模板匹配 37
3.4 C 语言实现 39
3.4.1 微分边缘检测 39
3.4.2 二微分边缘检测 40
3.4.3 Prewitt 算子边缘检测 41
3.4.4 二值图像的细线化处理 43

第4章 去噪声处理 46
4.1 移动平均 46
4.2 中值滤波 47
4.3 二值图像去噪声 49
4.4 C 语言实现 50
4.4.1 移动平均法 50
4.4.2 中值滤波 51
4.4.3 腐蚀处理 52
4.4.4 膨胀处理 53

第5章 几何参数检测 55
5.1 图像的几何参数 55
5.2 区域标记 58
5.3 几何参数检测与提取 59
5.4 C 语言实现 60
5.4.1 区域标记 60
5.4.2 计算图像征参数 62
5.4.3 根据圆形度抽出物体 66
5.4.4 复制掩模领域的原始图像 67
5.4.5 根据面积提取对象物 67

第6章 直线检测 69
6.1 传统 Hough 变换的直线检测 69
6.2 小二乘法的直线检测 71
6.3 C 语言实现 72
6.3.1 传统 Hough 变换的直线检测 72
6.3.2 小二乘法的直线检测 74

第7章 深度学框架介绍 77
7.1 TensorFlow 78
7.1.1 TensorFlow 的势 78
7.1.2 TensorFlow 应用场景 79
7.1.3 TensorFlow 开发环境安装 79
7.2 Keras 80
7.2.1 Keras 的势 81
7.2.2 Keras 应用 81
7.2.3 Keras 与 TensorFlow2 的关系 81
7.2.4 Keras 的安装 82
7.3 PyTorch 82
7.3.1 PyTorch 的势 82
7.3.2 PyTorch 的典型应用 83
7.3.3 PyTorch 和 TensorFlow 的比较 83
7.3.4 PyTorch 的安装 84
7.4 其他深度学框架 85
7.4.1 Caffe 85
7.4.2 MXNet 85
7.4.3 CNTK 86
7.4.4 Theano 86
7.4.5 Darknet 87
7.4.6 PaddlePaddle 87

下篇 编移环境及系统搭建 89
第8章 平台软件 90
8.1 OpenCV 90
8.1.1 基本功能介绍 90
8.1.2 获取与安装 91
8.2 VC++ 92
8.2.1 基本功能介绍 92
8.2.2 获取与安装 93
8.3 Python 95
8.3.1 基本功能介绍 95
8.3.2 获取与安装 95

第9章 VC++图像处理工程 98
9.1 工程建 98
9.1.1 启动 Visual Studio 2010 98
9.1.2 建新建工程 99
9.2 系统设置 115
9.3 编译执行 117

第10章 Python 图像处理系统 119
10.1 工程建 119
10.2 系统设置 121
10.3 编译执行 127

第11章 TensorFlow 深度学工程 134
11.1 框架获得 134
11.2 安装设置 134
11.3 案例 135
11.3.1 数据准备 135
11.3.2 训练模型 137
11.3.3 验证率 139
11.3.4 导出模型并对图片分类 139

第12章 Keras 深度学工程 142
12.1 框架获得 142
12.2 安装设置步骤 143
12.3 工程建 146
12.4 编译、训练、评估与署 148

第13章 PyTorch 深度学工程 152
13.1 框架获得 152
13.2 安装设置 153
13.2.1 CPU 版本安装 153
13.2.2 GPU 版本安装 153
13.3 工程建 155
13.4 训练、评估与署 157
13.4.1 训练 157
13.4.2 评估 158
13.4.3 署 159

第14章 Caffe 深度学工程 166
14.1 安装环境和依赖项获得 166
14.2 框架的获取 167
14.3 编译 Caffe 及其与 Python 的接口 167
14.3.1 OpenCV 的安装 167
14.3.2 Caffe 编译 170
14.4 目标分类测试 181
14.4.1 数据集准备 181
14.4.2 训练模型 186
14.4.3 用训练好的模型对数据进行预测 188

第15章 MXNet 深度学工程 190
15.1 框架获取及环境设置 190
15.1.1 环境准备 190
15.1.2 利用 Anaconda 建运行环境 191
15.2 基于笑脸目标检测的 MXNet 框架测试 192
15.2.1 建训练数据集 192
15.2.2 训练模型 197
15.2.3 测试模型 200

第16章 CNTK 深度学工程 202
16.1 框架的获取 202
16.2 编译 202
16.2.1 CPU 版本编译 202
16.2.2 基于 Linux 系统的 GPU 版本编译 206
16.3 CNTK 测试 208
16.3.1 建数据集 208
16.3.2 模型训练 211
16.3.3 模型测试 213

第17章 Theano 深度学工程 216
17.1 框架获得 216
17.2 安装设置 217
17.3 工程建 220
17.4 编译、训练、评估与署 222

第18章 YoloV4 深度学工程 226
18.1 框架的获取 226
18.2 框架源码编译及环境设置 226
18.2.1 CPU 版本编译 226
18.2.2 GPU 版本编译 227
18.2.3 Darknet 测试 230
18.3 建 Yolo 训练数据集 231
18.4 训练 YoloV4 模型 235
18.5 测试 YoloV4 模型 237

第19章 PaddlePaddle 深度学工程 238
19.1 框架获得 240
19.2 安装设置 240
19.3 工程建、编译、训练、评估与测试 243
19.4 基于高层 API 的任务快速实现 261

参考文献 263

ISBN编号: 9787122399847

书名: 机器视觉与数字图像处理基础：HALCON版

作者: 强 编著

科目: 理科

定: 49.80元

出版社名称: 化学工业出版社

出版时间：2022年01月 

版次：1 

页码：200 

本书介绍了机器视觉系统的概念、原理，视觉系统组成以及数字图像处理基础，重点介绍了机器视觉系统的图像采集系统、视觉图像处理基础算法以及机器视觉的典型应用案例，典型案例介绍了机器视觉的应用，并采用 HALCON 与 C#混合编程的方式演示了如何搭建机器视觉系统。 本书重在理论联系实际，从图像采集分开始到数字图像处理分，除了介绍相关的理论知识外，结合具体的实际案例介绍 HALCON 编程，并提供了明确的使用方法。对每种数字图像处理算法在机器视觉系统中的应用，通过实例说明了具体的应用方法和注意事项。本书中提供的实例图像大分来自工业应用现场。每章均配有典型题供练使用，以加深对内容的理解。 本书既可作为高等学校机械电子工程、智能制造工程、机器人工程、人工智能等机械类、自动化类、电子信息类业的教材，也可供图像处理及机器视觉相关的科研和工程技术人员参考。

1章 绪论 

1.1 机器视觉的概念 2 

1.2 机器视觉的组成 2 

1.3 机器视觉系统的点 3 

1.4 机器视觉系统的应用领域 4 

1.4.1 在工业生产中的应用 4 

1.4.2 在农产品检测中的应用 5 

1.4.3 在医学中的应用 6 

1.4.4 在以及制导方面的应用 6 

1.4.5 在其他方面的应用 7 

题 7 

2章 机器视觉图像采集 

2.1 光源 9 

2.1.1 电磁辐 9 

2.1.2 光源类型 10 

2.1.3 光源的形状 11 

2.1.4 光源照明方式 14 

2.2 镜头 17 

2.2.1 焦距 17 

2.2.2 光圈 18 

2.2.3 其他镜头参数 19 

2.3 摄像机 19 

2.3.1 CCD 芯片尺寸 20 

2.3.2 分辨率 21 

2.3.3 帧率与曝光时间 21 

2.3.4 其他摄像机参数 22 

题 22 

3章 数字图像处理基础 

3.1 数字图像的表示 25 

3.2 数字图像分类 25 

3.2.1 彩色图像 26 

3.2.2 二值图像 26 

3.2.3 灰度图像 27 

3.2.4 索引图像 29 

3.3 数字图像的格式 30 

3.3.1 BMP 格式 30 

3.3.2 JPEG 格式 30 

3.3.3 PNG 格式 30 

3.3.4 GIF 格式 30 

3.3.5 TIFF 格式 31 

3.4 数字图像处理的般步骤和方法 31 

3.5 图像性质 32 

3.5.1 图像的通道 32 

3.5.2 图像的分辨率 32 

3.5.3 图像的邻域 32 

3.5.4 图像的连通域 33 

3.5.5 像素之间的距离 33 

3.5.6 图像直方图 34 

3.5.7 图像中的熵 35 

3.5.8 图像中的其他统计征 36 

题 36 

4章 HALCON 简介 

4.1 HALCON 介绍 39 

4.2 HALCON 界面认识 39 

4.2.1 菜单栏 41 

4.2.2 工具栏 41 

4.2.3 子窗口 42 

4.3 HALCON 的数据类型 44 

4.3.1 HALCON 的 Image 图像 45 

4.3.2 Region 区域 47 

4.3.3 XLD 轮廓 49 

4.3.4 Tuple 元组 50 

4.4 HALCON 控制语句 55 

4.4.1 if 条件语句 55 

4.4.2 while 循环语句 56 

4.4.3 for 循环语句 57 

4.4.4 switch 分支条件语句 57 

4.4.5 中断语句 58 

4.5 个机器视觉例子 59 

题 61 

5章 图像增强 

5.1 灰度变换 63 

5.1.1 线性变换 63 

5.1.2 分段线性变换 64 

5.1.3 对数变换 64 

5.1.4 幂次变换 65 

5.2 直方图变换 67 

5.2.1 直方图均衡化 67 

5.2.2 直方图规定化 69 

5.3 图像平滑处理 72 

5.3.1 图像卷积运算概念 72 

5.3.2 均值滤波 74 

5.3.3 中值滤波 75 

5.3.4 高斯滤波 76 

5.3.5 双边滤波 77 

5.4 代数运算 79 

5.4.1 图像加法 80 

5.4.2 图像减法 80 

5.4.3 图像乘法 80 

5.4.4 图像除法 81 

5.5 图像逻辑运算 82 

题 84 

6章 图像几何变换 

6.1 图像值 87 

6.1.1 近邻值 87 

6.1.2 双线性值 88 

6.1.3 双三次值 89 

6.2 仿变换 90 

6.3 变换 93 

6.4 坐标变换 94 

题 95 

7章 图像锐化与边缘检测 

7.1 图像梯度的概念 98 

7.2 微分算子锐化与边缘检测 99 

7.2.1 水平微分和垂直微分算子 99 

7.2.2 Kirsch 算子 102 

7.2.3 Sobel 算子 102 

7.2.4 Prewitt 算子 103 

7.2.5 Roberts 算子 104 

7.3 二微分算子 105 

7.3.1 Laplacian 算子 106 

7.3.2 LOG 算子 107 

7.3.3 DOG 算子 107 

7.4 Canny 算子 108 

题 109 

8章 数学形态学处理 

8.1 形态学运算基础 112 

8.2 二值图像形态学运算 113 

8.2.1 膨胀运算 114 

8.2.2 腐蚀运算 115 

8.2.3 开运算和闭运算 117 

8.2.4 击中击不中变换 119 

8.3 灰度图像数学形态学运算 122 

8.3.1 灰度图膨胀与腐蚀 122 

8.3.2 灰度图开运算与闭运算 123 

8.3.3 形态学梯度 124 

8.3.4 帽 124 

8.3.5 底帽 124 

8.4 形态学运算的应用 126 

8.4.1 二值图形态学应用 126 

8.4.2 灰度图形态学应用 128 

题 131 

9章 图像分割 

9.1 基于灰度值的阈值分割 134 

9.1.1 全局阈值分割 134 

9.1.2 局阈值分割 138 

9.2 区域生长算法 141 

9.3 分水岭算法 142 

9.4 其他分割算法介绍 145 

题 146 

10章 图像模板匹配 

10.1 图像金字塔 148 

10.1.1 高斯金字塔 148 

10.1.2 拉普拉斯金字塔 149 

10.2 基于灰度值的匹配 150 

10.3 带旋转与缩放的匹配 156 

10.4 基于边缘的匹配 156 

10.5 形状匹配 157 

10.6 基于征的匹配 161 

10.6.1 基于矩的匹配方法 161 

10.6.2 基于征点的匹配方法 163 

题 163 

11章 摄像机标定 

11.1 标定原理 166 

11.1.1 坐标系之间的转换关系 167 

11.1.2 镜头畸变 169 

11.2 标定过程 170 

题 175 

12章 机器视觉应用实例分析 

12.1 点阵字符分割与识别 177 

12.1.1 确定字符区域 177 

12.1.2 分割单个字符 178 

12.1.3 字符训练与识别 179 

12.2 镜片自动分拣 181 

12.2.1 提取凹面镜片区域 182 

12.2.2 中位置查找 183 

12.3 布料瑕疵检测 184 

12.3.1 彩色图像分解 185 

12.3.2 瑕疵区域提取 186 

12.4 HALCON 与 C#混合编程实例 188 

12.4.1 图像处理算法导出 188 

12.4.2 系统设计与算法集成 189 

题 198 

参考文献 199