第1章　绪论1
1.1　机器视觉基础知识1
1.1.1　发展与展望1
1.1.2　硬件构成3
1.1.3　算法软件6
1.1.4　机器视觉、机器人和智能装备6
1.1.5　功能与精度7
1.2　深度学习基础知识9
1.2.1　发展历程9
1.2.2　基本原理10
1.3　实践用专业软件介绍与基本设定11
1.3.1　通用图像处理系统ImageSys11
1.3.2　二维、三维运动图像测量分析系统13
1.4　多种场景下的车辆视觉导航视频演示15
思考题17
第2章　图像数据及存储与采集18
2.1　数字图像的采样与量化18
2.2　彩色图像与灰度图像20
2.3　图像的计算机显示22
2.4　图像文件23
2.4.1　理论介绍23
2.4.2　图像文件功能实践24
2.5　视频文件25
2.5.1　理论介绍25
2.5.2　多媒体文件功能实践26
2.5.3　多媒体文件编辑28
2.6　图像视频采集28
2.6.1　基础知识28
2.6.2　CCD与CMOS传感器30
2.6.3　DirectX图像采集系统31
2.7　应用案例34
2.7.1　排种器试验台视频采集与保存34
2.7.2　车流量检测视频采集35
2.7.3　车辆尺寸、颜色参数检测视频采集与演示36
思考题37
第3章　像素分布与图像分割38
3.1　像素分布38
3.1.1　直方图38
3.1.2　线剖面图39
3.1.3　累计分布图40
3.1.4　3D剖面 41
3.1.5　应用案例——水田管理导航路线检测及视频演示43
3.2　灰度分割与实践46
3.2.1　常规阈值分割46
3.2.2　模态法自动分割48
3.2.3　p参数法自动分割48
3.2.4　大津法自动分割50
3.2.5　应用案例——排种器试验台图像拼接与分割51
3.3　彩色分割与实践53
3.3.1　RGB彩色分割53
3.3.2　HSI彩色分割54
3.4　图像间运算及实践55
3.4.1　运算内容55
3.4.2　运算实践55
3.5　应用案例59
3.5.1　车流量检测及视频演示59
3.5.2　车辆尺寸、颜色实时检测及视频演示61
思考题68
第4章　颜色空间及测量与变换69
4.1　颜色空间69
4.2　颜色测量70
4.3　颜色亮度变换72
4.3.1　基础变换72
4.3.2　L（朗格）变换74
4.3.3　γ（伽马）变换75
4.3.4　去雾处理76
4.3.5　直方图平滑化78
4.4　HSI变换80
4.5　RGB色差变换82
4.6　自由变换83
4.7　应用实例84
4.7.1　小麦苗列检测84
4.7.2　果树上红色桃子检测86
4.7.3　玉米粒在穗计数及视频演示88
4.7.4　玉米种粒图像精选与定向定位及视频演示90
思考题95
第5章　几何变换及单目视觉检测96
5.1　基础知识96
5.2　单步变换97
5.2.1　实践准备97
5.2.2　平移98
5.2.3　放大缩小99
5.2.4　旋转99
5.3　复杂变换 100
5.3.1　仿射变换100
5.3.2　透视变换102
5.4　齐次坐标表示102
5.5　单目视觉检测103
5.5.1　参考坐标系104
5.5.2　摄像机模型分析105
5.5.3　摄像机标定106
5.5.4　功能实践107
5.6　应用案例—交通事故现场快速图像检测及视频演示110
思考题115
第6章　傅里叶变换116
6.1　频率的概念116
6.2　频率变换117
6.3　离散傅里叶变换120
6.4　图像的二维傅里叶变换121
6.5　滤波处理122
6.6　图像傅里叶变换实践124
6.6.1　基本功能124
6.6.2　加噪声与去噪声129
6.6.3　图像加密处理131
6.7　应用案例—傅里叶变换在数字水印中的应用131
思考题132
第7章　小波变换133
7.1　小波变换概述133
7.2　小波与小波变换133
7.3　离散小波变换135
7.4　小波族136
7.5　信号的分解与重构137
7.6　图像处理中的小波变换142
7.7　图像小波变换实践144
7.8　应用案例149
7.8.1　小麦病害监测149
7.8.2　小麦播种导航路径检测及视频演示154
思考题157
第8章　滤波增强158
8.1　基本概念158
8.2　去噪声处理160
8.2.1　移动平均160
8.2.2　中值滤波160
8.2.3　高斯滤波162
8.2.4　单模板滤波实践164
8.3　基于微分的边缘检测 169
8.3.1　一阶微分（梯度运算）169
8.3.2　二阶微分（拉普拉斯运算）170
8.3.3　模板匹配170
8.3.4　多模板滤波实践172
8.4　Canny算法及实践178
8.5　应用案例182
8.5.1　插秧机器人导航目标检测182
8.5.2　变电压板投退状态检测及视频演示187
思考题190
第9章　二值运算与参数测量191
9.1　基本理论191
9.1.1　图像的几何参数191
9.1.2　区域标记193
9.1.3　几何参数检测与提取193
9.2　二值运算194
9.2.1　基本运算理论与实践194
9.2.2　特殊提取实践197
9.2.3　应用案例——插秧机器人导航目标去噪声199
9.3　几何参数测量201
9.3.1　几何参数测量实践201
9.3.2　应用案例——排种试验台籽粒检测及视频演示207
9.4　直线参数测量210
9.4.1　哈夫变换210
9.4.2　最小二乘法211
9.4.3　直线检测实践211
9.4.4　应用案例——农田视觉导航线检测及视频演示213
9.5　圆形分离实践217
9.6　轮廓测量实践218
9.7　应用实例——果树上桃子检测及视频演示219
思考题222
第10章　双目视觉测量223
10.1　双目视觉系统的结构223
10.1.1　平行式立体视觉模型223
10.1.2　汇聚式立体视觉模型225
10.2　摄像机标定227
10.2.1　直接线性标定法227
10.2.2　棋盘标定法228
10.2.3　摄像机参数与投影矩阵的转换232
10.3　标定测量试验233
10.3.1　直接线性标定法试验233
10.3.2　棋盘标定法试验234
10.3.3　三维测量试验236
思考题238
第11章　二维、三维运动图像测量实践239
11.1　二维运动图像测量239
11.1.1　菜单介绍239
11.1.2　2D标定240
11.1.3　运动测量242
11.1.4　结果浏览显示244
11.1.5　结果修正249
11.1.6　实践视频249
11.1.7　应用案例——羽毛球技战术检测及视频演示250
11.2　三维运动图像测量253
11.2.1　菜单介绍253
11.2.2　多通道图像采集254
11.2.3　直接线性标定实践255
11.2.4　棋盘标定实践256
11.2.5　结果浏览显示258
11.2.6　实践视频260
11.2.7　应用案例—三维作物生长量检测及视频演示260
思考题266
第12章　模式识别267
12.1　模式识别与图像识别的概念267
12.2　图像识别系统的组成268
12.3　图像识别、图像处理和图像理解的关系269
12.4　图像识别方法270
12.4.1　模板匹配270
12.4.2　统计模式识别270
12.4.3　仿生模式识别273
12.5　应用案例275
12.5.1　人脸识别技术介绍275
12.5.2　蜜蜂舞蹈跟踪检测及视频演示279
12.5.3　车牌照检测及视频演示283
思考题289
第13章　神经网络290
13.1　人工神经网络290
13.1.1　人工神经网络的生物学基础290
13.1.2　人工神经元291
13.1.3　人工神经元的学习292
13.1.4　人工神经元的激活函数293
13.1.5　人工神经网络的特点294
13.2　BP神经网络295
13.2.1　BP神经网络简介295
13.2.2　BP神经网络的训练学习296
13.2.3　改进型BP神经网络299
13.3　应用案例—BP神经网络在数字字符识别中的应用300
13.3.1　BP神经网络数字字符识别系统原理300
13.3.2　网络模型的建立301
13.3.3　数字字符识别演示303
思考题305
第14章　深度学习306
14.1　浅层学习和深度学习306
14.2　深度学习与神经网络307
14.3　深度学习训练过程307
14.4　深度学习的常用方法308
14.4.1　自动编码器308
14.4.2　稀疏编码311
14.4.3　限制玻尔兹曼机312
14.4.4　深信度网络314
14.4.5　卷积神经网络315
14.5　深度学习框架介绍318
14.6　应用案例322
14.6.1　基于YOLOv4的前方车辆距离检测及视频演示322
14.6.2　基于YOLOv7的果园导航线检测及视频演示324
思考题327
参考文献　328