出版说明
前言
第1章 绪论1
1.1 工业机器视觉的概念1
1.2 工业机器视觉的应用领域1
1.3 工业机器视觉的基本原理4
1.3.1 工业机器视觉涉及的关键技术4
1.3.2 工业机器视觉系统5
习题6
第2章 HALCON的基础知识7
2.1 HALCON的集成开发环境7
2.2 HALCON语言10
2.2.1 HALCON中的数据类型10
2.2.2 HALCON中的运算符12
2.2.3 HALCON中的控制流算子13
2.3 HALCON中创建函数15
2.4 案例—找出图中面积最大的圆17
习题19
第3章 机器视觉硬件系统20
3.1 光源20
3.1.1 光源的颜色21
3.1.2 光源的照射方式23
3.1.3 案例—选择合适的打光方式27
3.2 镜头28
3.2.1 工业镜头的基本参数28
3.2.2 工业镜头的分类29
3.3 相机30
3.3.1 相机的性能指标30
3.3.2 相机的分类31
3.3.3 相机-计算机接口32
3.4 相机标定34
3.4.1 相机标定原理34
3.4.2 相机标定过程36
3.4.3 案例—用HALCON标定助手对相机进行标定38
习题40
第4章 灰度图像BLOB分析41
4.1 BLOB简介41
4.1.1 BLOB的概念41
4.1.2 案例—BLOB分析的方法和步骤42
4.2 灰度直方图43
4.2.1 灰度直方图的概念43
4.2.2 灰度直方图与图像清晰度的关系43
4.2.3 案例—显示灰度图像的直方图44
4.3 阈值分割45
4.3.1 全局固定阈值分割45
4.3.2 案例—用“灰度直方图”工具对图像进行二值化46
4.3.3 动态阈值分割47
4.3.4 案例—圆点检测47
4.4 连通区域分析48
4.4.1 连通区域分析的原理48
4.4.2 案例—分割图中的数字50
4.5 特征值计算50
4.5.1 BLOB分析中的常用特征值50
4.5.2 “特征直方图”工具52
4.5.3 案例—从标定板中分割出圆点52
习题54
第5章 图像滤波56
5.1 图像滤波简介56
5.2 空间域图像滤波56
5.2.1 均值滤波57
5.2.2 案例—均值滤波器的应用59
5.2.3 高斯滤波60
5.2.4 中值滤波61
5.2.5 三种空间滤波方法的比较62
5.2.6 案例—分析液体中的颗粒63
5.3 频域图像滤波64
5.3.1 频域滤波原理64
5.3.2 频率域低通滤波66
5.3.3 案例—低通滤波器的应用69
5.3.4 频率域高通滤波69
5.3.5 案例—应用高斯高通滤波器提取图像轮廓71
5.3.6 频率域的带阻/带通滤波器73
5.3.7 案例—应用带通滤波器进行划痕检测75
习题76
第6章 图像的形态学处理78
6.1 图像的形态学处理简介78
6.2 形态学的基础算法78
6.2.1 膨胀运算78
6.2.2 腐蚀运算79
6.2.3 开运算80
6.2.4 闭运算80
6.2.5 案例—求图中地球的中心点坐标81
6.2.6 其他形态学算子82
6.2.7 案例—应用“击中击不中”的方法检测字符84
6.3 形态学的典型应用85
6.3.1 边界提取85
6.3.2 案例—提取目标区域的边界85
6.3.3 区域填充86
6.3.4 连接成分提取87
6.3.5 案例—检测并计算出圆形工件上的瑕疵大小88
习题89
第7章 图像的几何变换90
7.1 图像的几何变换简介90
7.2 图像的位置变换90
7.2.1 图像平移90
7.2.2 图像旋转91
7.2.3 案例—标签旋转92
7.2.4 图像镜像93
7.2.5 案例—图像镜像94
7.3 图像的形状变换95
7.3.1 图像的缩小95
7.3.2 图像的放大95
7.3.3 图像的错切96
7.3.4 透射变换97
7.3.5 案例—二维码位姿校正98
习题99
第8章 图像特征与提取101
8.1 图像特征101
8.2 边缘特征101
8.2.1 差分边缘检测算子102
8.2.2 Roberts算子103
8.2.3 Sobel算子103
8.2.4 canny算子104
8.2.5 Prewitt 算子105
8.2.6 案例—用边缘检测提取公路标线105
8.3 图像的骨架特征106
8.3.1 骨架的原理106
8.3.2 案例—长条形物体上的缺陷检测107
8.4 区域特征109
8.4.1 常用区域特征109
8.4.2 案例—找出图中的六角螺帽111
8.5 灰度直方图特征112
8.5.1 常用的灰度直方图特征112
8.5.2 案例—红外物体的热点温度检测113
8.6 图像的纹理特征114
8.6.1 灰度共生矩阵原理115
8.6.2 案例—LCD显示器缺陷检测117
8.7 角点特征118
8.7.1 角点检测法原理118
8.7.2 案例—方格墙砖的角点检测119
8.8 亚像素边缘特征121
8.8.1 亚像素方法原理121
8.8.2 XLD特征122
8.8.3 案例—用亚像素的方法计算工件圆孔的半径122
8.9 图像的颜色特征124
8.9.1 图像的彩色124
8.9.2 颜色模块125
习题129
第9章 图像模式识别131
9.1 图像模式识别的定义131
9.2 模板匹配131
9.2.1 模板匹配的原理131
9.2.2 案例—用模式识别的方法查找对应图案135
9.2.3 案例—用模板匹配助手实现芯片标识的匹配与定位136
9.3 统计模式识别141
9.3.1 K-最近邻法（K-NN）141
9.3.2 支持向量机143
9.4 案例—应用支持向量机进行样本缺陷检测146
9.5 神经网络149
9.5.1 神经网络的定义149
9.5.2 神经网络的创建和应用150
9.5.3 常见的神经网络类型150
9.5.4 案例—用神经网络训练识别车牌汉字152
9.5.5 案例—用神经网络进行像素分类154
9.6 字符识别（OCR）155
9.6.1 字符识别原理155
9.6.2 案例—识别车牌中的英文字母和数字157
习题158
第10章 综合实例160
10.1 模板匹配和数字识别160
10.2 高精度测量164
10.3 HALCON与C#混合编程170
附录 HALCON常用算子178
参考文献201