您当前的位置 : 首页  /  主要产品  /  专著与教材

《机器视觉》

book202509.jpg


内容简介

本书在绪论中介绍了机器视觉的基础知识,然后利用专业图像处理软件,对图像数据及存储与采集、像素分布与图像分割、颜色空间及测量与变换、几何变换及单目视觉检测、傅里叶变换、小波变换、滤波增强、二值运算与参数测量、双目视觉测量、二维三维运动图像测量实践、模式识别、神经网络、深度学习等常用理论方法进行了实用化讲解。每章都是个大类,包含有丰富的理论、实践与应用案例介绍及扫码视频演示。本书主要用于理工农医类本科生机器视觉的实践教学,也可以作为研究生、专业人员和一般读者的学习教材。


前言

2023ChatGPT的横空出世,使人们对人工智能有了新的认识,被认为是一场前所未有的工业革命。202112月,工信部等15部门发布了《“十四五”机器人产业发展规划》,提出到2035年,我国机器人产业综合实力达到国际领先水平,机器人成为经济发展、人民生活、社会治理的重要组成。2018年,教育部推出了“新工科、新医科、新农科和新文科”的“四新”建设计划。响应该计划,近年农业院校陆续开设了“农业智能装备工程”专业,其他院校也增设了相关领域的智能专业。

就像人离不开眼睛一样, 人工智能离不开机器视觉。无论是“中国制造2025”还是“工业4.0”都离不开机器视觉。对于所有用到人工智能技术的专业学生(理工农医类),都有必要学习或掌握机器视觉的相关知识和技术,《机器视觉》一书就是基于此目的以本科生实践教学为主的教材。当然,以其全面性、专业性和易懂性,对于研究生、专业人员和一般读者也不失为较好的学习教材。

本教材包含以下14章内容:绪论,图像数据及存储与采集,像素分布与图像分割,颜色空间及测量与变换,几何变换及单目视觉检测,傅里叶变换,小波变换,滤波增强,二值运算与参数测量,双目视觉测量,二维三维运动图像测量实践,模式识别,神经网络,深度学习。每章都是个大类,包含有丰富的理论、实践与应用案例,涵盖了机器视觉常用的技术理论和方法。

在绪论中,首先介绍机器视觉的基础知识,然后介绍用于实践教学的专业软件:通用图像处理系统ImageSys和二维三维运动图像测量分析系统,最后演示多种环境下车辆视觉导航视频。通过这样安排,使学生对本书有个总体了解,理解本书实践教学方法,提高学生学习兴趣。以后各章内容,在讲解基本理论的同时,用专业软件进行理论的实践展示,最后介绍与本章理论相关的工程应用案例并可扫码视频演示。这样可以使学生在实践中轻松学习和理解复杂的理论,为将来的进一步学习和实际应用奠定基础及增强信心。

本教材适合32学时课堂教学,如果安排上机实践课,需要另外增加学时。上机课,可以采用主编的《VC++图像处理与分析实战》和《Python图像处理与分析实战》,其中有本书多数理论的C语言函数和操作界面源代码,可进行程序开发实践学习,搭建属于自己的图像处理系统。上机学习安排46学时比较合适,学生自带笔记本电脑,在上课的教室即可进行上机实践教学。上机课后,学生可以根据自己的课题需要、兴趣和时间,自行深入上机实践和课题研究开发。

主编陈兵旗从1993年初到日本留学开始,就从事机器视觉与图像处理的学习和研究工作,现任中国农业大学工学院教授,有30年以上的研究、教学和开发经历。2004年至今出版了多套图像处理相关的著作和教材,以图像处理应用研究和教学为主,获得了广泛好评,达到了较好的实践教学效果。本教材使用的专业软件和工程应用案例,都是主编团队多年的研究和开发成果,多数发表了学术论文或获得了国家发明专利,都拥有自主知识产权。

作者陈思遥和王侨都曾经是主编团队成员,为本教材的编著和应用案例的研究开发做出了贡献。陈思遥目前是日本京都大学博士研究生,从事生物信息图像传感研究。王侨曾在主编研究室攻读博士学位,博士毕业后进站北京市农林科学院,从事基于机器视觉的农机无人驾驶相关技术研究工作,出站后目前就职于科研院所,主要从事机器视觉等智能化相关技术研究与应用。。

由于本教材的内容较多,编排难免有不合理之处,敬请使用者批评指正,有问题可以通过电子邮箱fbcbq@163.com与主编联系。 


目录

第1章       绪论

1.1    机器视觉基础知识

1.1.1          发展与展望

1.1.2          硬件构成

1.1.3          算法软件

1.1.4          机器视觉、机器人和智能装备

1.1.5          功能与精度

1.2    深度学习基础知识

1.2.1          发展历程

1.2.2          基本原理

1.3    实践用专业软件介绍与基本设定

1.3.1          通用图像处理系统ImageSys

1.3.2          二维三维运动图像测量分析系统

     1.4  多种环境车辆视觉导航视频演示

思考题

第2章   图像数据及存储与采集

     2.1 数字图像的采样与量化

     2.2 彩色图像与灰度图像

     2.3 图像的计算机显示

     2.4 图像文件

          2.4.1 理论介绍

          2.4.2 图像文件功能实践

     2.5 视频文件

          2.5.1 理论介绍

          2.5.2 多媒体文件功能实践

          2.5.3 多媒体文件编辑

     2.6  图像视频采集

          2.6.1 基础知识

       2.6.2 CCDCMOS传感器

       2.6.3 DirectX图像采集系统

     2.7 应用案例

         2.7.1 排种器试验台视频采集与保存

         2.7.2 车流量检测视频采集

         2.7.3 车辆尺寸颜色参数检测视频采集与演示

思考题

第3章       像素分布与图像分割

  3.1像素分布

   3.1.1 直方图

3.1.2 线剖图

3.1.3 累计分布图

3.1.4 3D剖面

3.1.5应用案例水田管理导航路线检测及视频演示

  3.2 灰度分割与实践

3.2.1常规阈值分割

   3.2.2 模态法自动分割

   3.2.3 P参数法自动分割

   3.2.4 大津法自动分割 

   3.2.5 应用案例--排种器试验台图像拼接与分割

3.3 彩色分割与实践

    3.3.1 RGB彩色分割

    3.3.2 HSI彩色分割   

  3.4 图像间运算及实践

  3.5 应用案例

   3.5.1 车流量检测及视频演示

      3.5.2 车辆尺寸颜色实时检测及视频演示

思考题

第4章       颜色空间及测量与变换

4.1 颜色空间

4.2 颜色测量

4.3颜色亮度变换  

    4.3.1 基础变换

    4.3.2  L(朗格)变换

    4.3.3 γ(伽马)变换

    4.3.4 去雾处理

    4.3.5 直方图平滑化    

4.4 HSI变换

4.5  RGB色差变换

4.6 自由变换

4.7 应用案例

4.7.1小麦苗列检测

4.7.2 果树上红色桃子区域检测

4.7.3玉米粒在穗计数及视频演示

4.7.4 玉米种粒图像精选与定向定位及视频演示

思考题

第5章       几何变换单目视觉检测

  5.1 基础知识

  5.2 单步变换

5.2.1平移

5.2.2 放大缩小

5.2.3 旋转

  5.3 复杂变换

    5.3.1 仿射变换

5.3.2 透视变换

5.4 齐次坐标表示

5.5 单目视觉检测

5.5.1 参考坐标系

5.5.2 摄像机模型分析

5.5.3摄像机标定

5.6 应用案例--交通事故现场快速图像检测及视频演示

思考题

第6章       傅里叶变换

 6.1 频率概念

 6.2频率变换

 6.3 离散傅里叶变换

 6.4 图像的二维傅里叶变换

6.5滤波处理

6.6 图像傅里叶变换实践

6.6.1 基本功能

6.6.2 加噪声与去噪声

6.6.3 图像加密处理

6.7 应用案例--傅里叶变换在数字水印中的应用   

思考题

第7章       小波变换

7.1小波变换概述

7.2 小波与小波变换

7.3 离散小波变换

7.4 小波族

7.5 信号的分解与重构

7.6 图像处理中的小波变换

7.7 图像小波变换实践

7.8应用案例

7.8.1 小麦病害监测

7.8.2 小麦播种导航路径检测及视频演示

思考题

第8章       滤波增强

8.1 基本概念

8.2 去噪声处理

    8.2.1 移动平均

    8.2.2 中值滤波

8.2.3 高斯滤波

8.2.4 单模板滤波实践

8.3 基于微分的边缘检测

    8.3.1 一阶微分(梯度运算)

    8.3.2 二阶微分(拉普拉斯运算)

    8.3.3 模板匹配

    8.3.4 多模板滤波实践

8.4  Canny算法及实践

8.5 应用案例

8.5.1插秧机器人导航目标检测

8.5.2 变电压板投退状态检测及视频演示

思考题

第9章       二值运算与参数测量

9.1 基本理论

9.1.1 图像的几何参数

      9.1.2 区域标记

9.1.3 几何参数检测与提取

9.2 二值运算

9.2.1基本运算理论与实践

9.2.2 特殊提取实践

9.2.3 应用案例--插秧机器人导航目标去噪声

  9.3 几何参数测量

      9.3.1 几何参数测量实践

9.3.2 应用案例排种试验台籽粒检测及视频演示 

  9.4 直线参数测量

      9.4.1 哈夫变换

      9.4.2 最小二乘法

      9.4.3 直线检测实践

      9.4.4 应用案例 -- 农田视觉导航线检测及视频演示

9.5 圆形分离实践

9.6 轮廓测量实践    

9.7 应用案例--果树上桃子检测及视频演示

思考题

第10章   双目视觉测量

10.1双目视觉系统的结构

10.1.1平行式立体视觉模型

10.1.2汇聚式立体视觉模型

10.2摄像机标定

      10.2.1直接线性标定法

  10.2.2棋盘标定法

10.2.3摄像机参数与投影矩阵的转换

10.3标定测量试验

    10.3.1直接线性标定法试验

    10.3.2 棋盘标定法试验

    10.3.3三维测量试验

思考题

第11章   二维三维运动图像测量实践

11.1二维运动图像测量

11.1.1 菜单介绍

11.1.2  2D比例标定

11.1.3 运动测量

11.1.4 结果浏览显示

11.1.5 结果修正

11.1.6 实践视频

11.1.7应用案例羽毛球技战术检测及视频演示

11.2三维运动图像测量

11.2.1 菜单介绍

   11.2.2 多通道图像采集

11.2.3 直接线性标定实践

11.2.4 棋盘标定实践

    11.2.5 结果浏览显示

11.2.6 实践视频

11.2.7 应用案例--三维作物生长量检测及视频演示

思考题

第12章   模式识别

12.1模式识别与图像识别的概念

12.2图像识别系统的组成

12.3图像识别与图像处理和图像理解的关系

12.4图像识别方法

    12.4.1 模板匹配

    12.4.2 统计模式识别

12.4.3 仿生模式识别

12.5应用案例

12.5.1 人脸识别技术介绍

12.4.2 蜜蜂舞蹈跟踪检测及视频演示

12.4.3 车牌照检测及视频演示

思考题

第13章   神经网络

13.1人工神经网络

   13.1.1人工神经网络的生物学基础

13.1.2 人工神经元

13.1.3 人工神经元的学习

13.1.4  人工神经元的激活函数

13.1.5  人工神经网络的特点

13.2  BP神经网络

13.2.1  BP神经网络简介

13.2.2  BP神经网络的训练学习

13.2.3  改进型BP神经网络

13.3  应用案例--BP神经网络在数字字符识别中的应用

   13.3.1 BP神经网络数字字符识别系统原理

13.3.2网络模型的建立

13.3.3数字字符识别演示

思考题

第14章   深度学习

14.1浅层学习和深度学习

14.2深度学习与神经网络

14.3深度学习训练过程

14.4深度学习的常用方法

    14.4.1自动编码器

    14.4.2 稀疏编码

    14.4.3限制波尔兹曼机

 14.4.4 深信度网络

 14.4.5 卷积神经网络

14.5深度学习框架介绍

14.6应用案例

     14.6.1基于YOLO v4前方车辆距离检测及视频演示

  14.6.2 基于YOLO v7的果园导航线检测及视频演示

思考题


当前为第一篇