第 1篇 基础篇

第　1章 机器视觉基础　2

1．1 机器视觉基本概念　2

1．1．1　机器视觉与计算机视觉的关系　2

1．1．2　机器视觉的特点与优势　3

1．1．3　机器视觉系统　4

1．2 机器视觉系统分类　6

1．2．1　按操作方式分类　6

1．2．2　按性能分类　8

1．3 机器视觉发展史　10

1．3．1　国外机器视觉发展史　10

1．3．2　国内机器视觉发展史　11

1．4 机器视觉市场分析　13

1．4．1　销售额分析　13

1．4．2　专利分析　14

1．4．3　企业分析　14

1．5 机器视觉应用场景　16

1．5．1　机器视觉典型应用　16

1．5．2　机器视觉应用行业　19

1．6 小结　23

习题与思考　23

第　2章 机器视觉算法基础　25

2．1 图像生成与表示　25

2．1．1　物体成像　25

2．1．2　图像量化　26

2．1．3　数字图像格式　27

2．2 图像的基本变换　31

2．2．1　线性变换　31

2．2．2　灰度直方图　32

2．2．3　图像二值化　33

2．2．4　灰度的窗口变换　33

2．2．5　图像的几何变换　34

2．3 图像滤波与增强　40

2．3．1　图像灰度修正　40

2．3．2　图像平滑　41

2．3．3　中值滤波　41

2．3．4　傅里叶变换　41

2．3．5　频率域滤波　44

2．4 图像形态学及常见的图像处理工具　46

2．4．1　腐蚀与膨胀　46

2．4．2　开运算与闭运算　47

2．4．3　细化　47

2．4．4　其他常见的图像处理工具　48

2．5 BLOB分析　54

2．5．1　BLOB分析的主要功能　54

2．5．2　BLOB分析其他基础及结果　55

2．6 2D图像匹配　61

2．6．1　图像标定　61

2．6．2　相关性分析方法　64

2．6．3　几何特征匹配　66

2．7 3D感知与目标识别　68

2．7．1　从2D图像中得到3D信息　68

2．7．2　采用单目和透视缩放技术获取深度信息　69

2．7．3　3D感知和匹配的理论基础　74

2．7．4　3D模板和匹配　75

2．8 小结　78

习题与思考　78

第　2篇 机器视觉系统核心部件

第3章　工业相机　80

3．1 工业相机基础知识　80

3．1．1　CCD和CMOS传感器芯片　80

3．1．2　相机的靶面尺寸和分辨率　82

3．1．3　相机的帧率/行频　82

3．1．4　相机的快门速度和曝光方式　82

3．1．5　相机的增益和白平衡　83

3．1．6　相机的触发模式　83

3．1．7　相机的接口　83

3．1．8　相机的取图协议　84

3．1．9　相机选型　85

3．1．10　不同品牌相机介绍　86

3．1．11　相机文档/手册解读　86

3．1．12　图像采集卡　88

3．2 面阵相机　88

3．2．1　面阵相机概述　89

3．2．2　面阵相机工作原理　89

3．3 线阵相机　90

3．3．1　线阵相机概述　90

3．3．2　线阵相机工作原理　90

3．4 三维视觉传感器　93

3．4．1　三维视觉传感器的分类　93

3．4．2　三维视觉传感器产品介绍　94

3．5 小结　97

习题与思考　97

第4章　工业镜头　98

4．1 镜头的基础知识　98

4．1．1　镜头的焦距　98

4．1．2　镜头的光圈　98

4．1．3　镜头的景深　99

4．1．4　镜头的工作距离和视野　99

4．1．5　视觉检测像素精度的计算公式　100

4．1．6　镜头的畸变及畸变校正　100

4．1．7　镜头接口　100

4．1．8　镜头选型　101

4．1．9　镜头对照表　101

4．2 FA镜头　103

4．3 远心镜头　104

4．3．1　常见的远心镜头类型　104

4．3．2　远心镜头的应用场合　105

4．4 线扫描镜头　106

4．5 特种镜头　107

4．5．1　短波红外镜头　107 4．5．2　长波红外镜头　107 4．5．3　微距镜头　107 4．5．4　360°镜头　108 4．5．5　内侧360°镜头　108 4．6 小结　109 习题与思考　109 第5章　机器视觉光源　110 5．1 光源在视觉系统中的重要性　110 5．2 光源的基础知识　110 5．2．1　LED光源特点　110 5．2．2　直射光和漫射光　111 5．2．3　镜面反射和漫反射　111 5．2．4　明视野和暗视野　112 5．2．5　色彩的互补色和增强色　113 5．3 常用光源、定制光源及光源控制器　114 5．3．1　常用光源　114 5．3．2　定制光源　118 5．3．3　光源控制器　119 5．4 光源选型和照明方式　120 5．4．1　现场需求　120 5．4．2　实物测试　120 5．5 光源实验台架　122 5．6 小结　122 习题与思考　123 第6章　视觉传感器　124 6．1 视觉传感器概述　124 6．2 视觉传感器的特点　125 6．2．1　VDSR视觉传感器介绍　125 6．2．2　功能特点　126 6．2．3　VDSR视觉传感器的参数　126 6．2．4　VDSR视觉传感器接口介绍　126 6．3 视觉传感器软件介绍　127 6．3．1　VDSR视觉传感器软件主界面　127 6．3．2　检测工具介绍　128 6．4　视觉传感器软件的多工具联合使用方法　136 6．4．1　VDSR视觉传感器软件的逻辑工具　137 6．4．2　VDSR视觉传感器软件脱机配置输出　138 6．4．3　VDSR视觉传感器通信　138 6．5 小结　139 习题与思考　139 第7章　智能相机　140 7．1 智能相机的系统组成　140 7．1．1　处理器及操作系统　141 7．1．2　相机　141 7．1．3　视觉软件　141 7．1．4　系统连接　141 7．2 功能特点和系列介绍　141 7．2．1　功能特点　141 7．2．2　智能相机系列介绍　142 7．3 智能相机软件介绍　142 7．3．1　配置保存　143 7．3．2　图像管理　143 7．3．3　任务管理　144 7．3．4　工具管理　144 7．4 相机工具　145 7．4．1　相机设置工具　145 7．4．2　图像保存工具　146 7．4．3　预处理工具　146 7．5 标定校准　147 7．5．1　相机标定校准　147 7．5．2　标定校准工具　147 7．6 视觉工具　148 7．6．1　几何定位　149 7．6．2　斑块定位　151 7．6．3　圆弧工具　155 7．6．4　直线工具　157 7．6．5　直线卡尺　159 7．6．6　颜色识别　161 7．6．7　轮廓缺陷　164 7．7 逻辑控制　165 7．7．1　条件执行　165 7．7．2　条件分支　166 7．7．3　循环工具　167 7．8 系统工具　168 7．8．2　生成文本　169 7．8．3　保存数据　170 7．8．4　接收文本　171 7．8．5　输出数据　171 7．8．6　I/O工具　172 7．8．7　ModbusTCP　174 7．8．8　TCP客户端　174 7．8．9　串口通信　175 7．8．10　与华数机器人的接口　176 7．8．11　三菱MX通信　178 7．9 小结　180 习题与思考　180 第3篇　机器视觉高级技术与工业应用案例 第8章　机器视觉系统设计方法　182 8．1 性能指标定义与计算方法　182 8．1．1　相机分辨率　182 8．1．2　像素分辨率　182 8．1．3　缺陷分辨率　182 8．1．4　软件测量分辨率　182 8．1．5　系统测量分辨率　183 8．2 精度分析方法　183 8．2．1　测量精度与重复精度　183 8．2．2　影响系统重复性的因素　185 8．3 机器视觉系统设计的难点　186 8．4 机器视觉系统设计流程　187 8．5 小结　190 习题与思考　190 第9章　视觉定位与对位　191 9．1 锂电池视觉定位案例　191 9．1．1　案例背景　191 9．1．2　视觉定位需求　191 9．1．3　视觉系统总体实施方案　192 9．1．4　硬件选型与安装　192 9．1．5　软件实现　194 9．1．6　其他案例　197 9．2 手机摄像头对位贴合案例　197 9．2．1　案例背景　197 9．2．2　视觉对位需求　197 9．2．3　视觉系统总体实施方案　198 9．2．4　硬件选型与安装　198 9．2．5　软件应用　199 9．2．6　结果数据输出　206 9．2．7　其他案例　206 9．3 小结　207 习题与思考　207 第　10章 机器人视觉引导　208 10．1 机器人视觉引导基础　208 10．1．1　机器人2D视觉引导　208 10．1．2　机器人3D视觉引导　210 10．2 螺丝机视觉定位引导案例　215 10．2．1　案例背景　215 10．2．2　视觉检测需求　215 10．2．3　视觉系统总体实施方案　215 10．2．4　硬件选型与安装　216 10．2．5　软件应用　217 10．2．6　结果数据输出　221 10．2．7　其他案例　223 10．3 金属工件单目3D定位引导案例　224 10．3．1　案例背景　224 10．3．2　视觉检测需求　224 10．3．3　硬件选型与安装　224 10．3．4　软件应用　225 10．3．5　其他案例　230 10．4 小结　230 习题与思考　230 第　11章 视觉测量　231 11．1 测量算法　231 11．1．1　尺寸测量　231 11．1．2　形状分析　232 11．2　手机摄像头底座金属框2D尺寸测量案例　233 11．2．1　案例背景　233 11．2．3　视觉系统总体实施方案　234 11．2．4　硬件选型与安装　234 11．2．5　软件应用　235 11．2．6　结果数据输出　239 11．3 金属标定块平面度检测案例　240 11．3．1　案例背景　240 11．3．2　视觉检测需求　241 11．3．3　视觉系统总体实施方案　241 11．3．4　硬件选型　241 11．3．5　软件应用　241 11．3．6　结果数据输出　248 11．3．7　其他案例　248 11．4 小结　248 习题与思考　248 第　12章 视觉读码与识别　249 12．1 电池视觉条码读取案例　249 12．1．1　案例背景　249 12．1．2　视觉检测需求　249 12．1．3　硬件选型与安装　249 12．1．4　软件应用　250 12．1．5　一维码读取案例配置　251 12．1．6　二维码读取案例配置　255 12．1．7　其他案例　258 12．2 小结　258 习题与思考　259 第　13章 视觉检测　260 13．1 背光模组外观缺陷检测案例　260 13．1．1　案例背景　260 13．1．2　视觉检测需求　260 13．1．3　视觉应用优势　261 13．1．4　硬件选型　261 13．1．5　案例场景　261 13．1．6　方案检测流程　262 13．1．7　结果数据输出　265 13．1．8　其他案例　265 13．2 模具保护器案例　265 13．2．1　案例背景　265 13．2．2　视觉检测需求　266 13．2．3　视觉应用优势　266 13．2．4　硬件选型　267 13．2．5　软件应用　267 13．2．6　结果数据输出　273 13．2．7　其他应用案例　274 13．3 小结　274 习题与思考　274 第　14章 颜色分析　275 14．1 色彩系统　275 14．1．1　RGB色彩系统　275 14．1．2　CMY色彩系统　276 14．1．3　HIS色彩系统　277 14．1．4　电视信号的YIQ与YUV系统　279 14．1．5　普通机器视觉系统的颜色支持和功能　279 14．2 色差测量的原理　284 14．2．1　色差定义　285 14．2．2　颜色的混色系统表示　285 14．2．3　CIE1931颜色空间　285 14．2．4　CIE1976均匀颜色空间　285 14．2．5　色差公式　286 14．3 圆饼玩具色差检测案例　288 14．3．1　案例背景　288 14．3．2　视觉检测需求　289 14．3．3　硬件选型　289 14．3．4　软件应用　290 14．3．5　结果数据输出　294 14．4 色度与亮度测量的原理　294 14．5 键盘色度与亮度检测案例　296 14．5．1　视觉检测需求　296 14．5．2　技术指标　296 14．5．3　案例总体方案　296 14．5．4　其他案例　301 14．6 小结　301 习题与思考　301 第　15章 深度学习技术及应用　302 15．1 引言　302 15．1．1　基本概念与相互关系　302 15．1．2　机器学习的步骤与模型评价指标　303 15．2 深度学习模型介绍　305 15．2．1　深度学习的起源——生物神经网络　305 15．2．2　神经元模型　306 15．2．3　人工神经网络　307 15．2．4　深度神经网络　309 15．3 BP神经网络与梯度下降法　310 15．3．1　手写数字识别BP神经网络　310 15．3．2　前向传播计算　312 15．4 卷积神经网络及LeNet-5网络　314 15．4．1　卷积神经网络　314 15．4．2　手写体数字识别模型LeNet-5网络　315 15．4．3　网络训练与测试　318 15．5 深度学习框架　319 15．6 深度学习在机器视觉中的应用　319 15．6．1　视觉智能的任务与挑战　319 15．6．2　深度学习与视觉智能　320 15．6．3　深度学习在机器视觉领域的应用概述　321 15．7　基于深度学习的钢管缺陷检测案例　323 15．7．1　案例背景　323 15．7．2　钢管外观缺陷检测需求　324 15．7．3　视觉系统总体实施方案　325 15．7．4　硬件选型　325 15．7．5　模型训练与控制软件配置　326 15．7．6　结果数据输出　333 15．8 小结　333 习题与思考　333 参考文献　334

......

机器视觉技术作为当前的热门技术之一，在智能制造领域得到了广泛的应用。

本书从机器视觉的基本概念到机器视觉算法，从机器视觉核心部件到可配置的纯嵌入式视觉系统，从2D视觉技术到3D视觉技术，从黑白视觉技术到彩色视觉技术，从传统视觉技术到深度学习技术，从视觉系统设计方案到各行业的应用场景，从视觉检测、测量、定位、读码与识别四大需求到实际应用案例都分别进行了详细介绍。

本书可作为普通本科、高职高专院校机器视觉课程的教学用书，也可供从事相关行业的工程技术人员、研发人员参考。