本书系统介绍了机器视觉技术的基础理论、应用知识和MATLAB典型案例。全书共12章，内容包括机器视觉系统概述、图像的获取、MATLAB图像处理编程基础、图像预处理、图像分割、图像的形态学操作、相机标定与图像校正、特征检测、图像模式识别、基于深度学习的图像处理、三维图像处理以及基于MATLAB的机器视觉编程综合案例。本书系统性强、注重逻辑性，将理论学习和编程实践相结合。 本书可作为高等院校智能制造工程、机械电子工程、机械设计制造及其自动化、机器人工程等专业本科生或研究生的课程教材，也可供从事机器视觉、智能制造、人工智能和机器人技术研究的工程技术和科研人员参考。 本书配有电子教案和习题参考答案等资源，书中所列例题和案例都附有MATLAB源代码和原始实验数据。

高等院校教师

前言
第1章机器视觉系统概述
1.1视觉与感知系统
1.2机器视觉系统的概念
1.3机器视觉系统的发展与应用
1.4常用机器视觉软件
1.5思政融合
本章小结
习题
第2章图像的获取
2.1颜色空间
2.2典型机器视觉光源
2.3机器视觉镜头和图像传感器
本章小结
习题
第3章MATLAB图像处理编程基础
3.1MATLAB简介
3.2MATLAB函数和M文件的编写
3.3MATLAB基本语法
3.4MATLAB图像处理工具
3.5图形用户界面开发
本章小结
习题
第4章图像预处理
4.1基本的图像操作
4.2图像滤波处理
4.3图像增强处理
本章小结
习题
第5章图像分割
5.1图像分割的基本概念
5.2传统图像分割
5.3基于图论的分割方法
本章小结
习题
第6章图像的形态学操作
6.1形态学操作概述
6.2基本形态学操作
6.3高级形态学操作
6.4形态学操作的应用
本章小结
习题
第7章相机标定与图像校正
7.1相机标定与畸变校正
7.2图像矩阵变换
7.3色彩校正
本章小结
习题
机器视觉技术理论与应用
目录
第8章特征检测
8.1边缘检测
8.2角点检测
8.3霍夫变换
8.4孔洞检测
8.5纹理分析
8.6小波分析
本章小结
习题
第9章图像模式识别
9.1K-近邻算法
9.2贝叶斯分析
9.3聚类分析
9.4主成分分析
9.5支持向量机
本章小结
习题
第10章基于深度学习的图像处理
10.1人工神经网络
10.2卷积神经网络
10.3R-CNN
10.4Fast R-CNN
10.5Fast R-CNN的改进版
10.6YOLO系列算法
10.7SSD
本章小结
习题
第11章三维图像处理
11.1三维扫描技术
11.2三维图像的表示
11.3双目立体视觉系统
11.4立体匹配
11.5点云图像处理
11.6思政融合
本章小结
习题
第12章基于MATLAB的机器视觉编程综合案例
12.1基于灰度变换与直方图变换的图像增强
12.2基于Harris算法的零件角点检测
12.3基于K-means聚类算法的图像分割
12.4基于YOLO深度学习模型的车辆检测
12.5相机标定与畸变校正
12.6基于霍夫变换的工件尺寸测量
12.7基于双目立体视觉的目标测距
12.8思政融合
本章小结
习题
参考文献