第1 章 概述 / 1 __eol__1.1 机器视觉的定义 / 1 __eol__1.2 机器视觉任务 / 2 __eol__1.3 机器视觉发展简史 / 4 __eol__1.3.1 视觉神经生理学 / 4 __eol__1.3.2 人工智能与机器学习 / 5 __eol__1.3.3 数字图像处理 / 6 __eol__1.3.4 机器视觉的发展 / 7 __eol__1.4 机器视觉应用 / 12 __eol__1.4.1 机器人视觉分拣 / 12 __eol__1.4.2 智能视频监控 / 14 __eol__1.4.3 锂电池表面缺陷检测 / 15 __eol__1.4.4 同时定位与建图 / 16 __eol__1.5 本书内容组织与教学建议 / 18 __eol__1.5.1 内容组织 / 18 __eol__1.5.2 教学建议 / 19__eol__第 2 章 图像获取 / 21__eol__2.1 人类视觉感知 / 21 __eol__2.1.1 人眼结构 / 21 __eol__2.1.2 视觉特性 / 23 __eol__2.2 照明和颜色 / 24 __eol__2.2.1 照明 / 24 __eol__2.2.2 颜色与颜色模型 / 26 __eol__2.3 视觉信息获取 / 31 __eol__2.3.1 CCD 与 CMOS 传感器 / 31__eol__2.3.2 彩色图像传感器 / 34 __eol__2.3.3 深度图像传感器 / 35 __eol__2.4 图像量化与表达 / 39 __eol__2.4.1 采样和量化 / 39 __eol__2.4.2 Gamma 校正 / 40 __eol__2.4.3 图像的数字表达 / 42 __eol__2.5 图像压缩与视频压缩 / 44 __eol__2.5.1 图像压缩 / 44 __eol__2.5.2 视频压缩 / 45 __eol__2.5.3 视频压缩标准 / 46 __eol__第 3 章 图像处理 / 49__eol__3.1 图像的傅里叶变换 / 49 __eol__3.1.1 频域与时域 / 49 __eol__3.1.2 典型的二维信号 / 50 __eol__3.1.3 傅里叶变换 / 51 __eol__3.2 图像滤波 / 57 __eol__3.2.1 线性滤波 / 58 __eol__3.2.2 非线性滤波 / 61 __eol__3.2.3 频域滤波 / 63 __eol__3.3 边缘检测 / 67 __eol__3.3.1 边缘检测原理 / 67 __eol__3.3.2 边缘检测线性算子 / 68 __eol__3.4 数学形态学滤波 / 75 __eol__3.4.1 数学形态学滤波基础 / 75 __eol__3.4.2 数学形态学运算 / 76 __eol__第 4 章 图像分割与描述 / 81__eol__4.1 图像直方图与阈值分割 / 81 __eol__4.1.1 图像直方图 / 82 __eol__4.1.2 阈值分割 / 84 __eol__4.1.3 局部阈值分割 / 86 __eol__4.2 基于区域生长的图像分割 / 87 __eol__4.2.1 区域生长与图像填充 / 87 __eol__4.2.2 种子点的自动选取 / 88 __eol__4.2.3 区域生长准则 / 89__eol__4.3 分水岭分割算法 / 90 __eol__4.3.1 基本思想 / 90 __eol__4.3.2 数学描述 / 92 __eol__4.3.3 实验效果 / 92 __eol__4.3.4 改进的分水岭分割算法 / 94 __eol__4.4 活动轮廓与 Snake 模型 / 94 __eol__4.4.1 基于能量泛函的分割方法 / 94 __eol__4.4.2 Snake 模型 / 95 __eol__4.4.3 Snake 模型计算步骤与实验效果 / 96 __eol__4.5 图像标记 / 97 __eol__4.6 图像描述 / 99 __eol__4.6.1 简单描述符 / 99 __eol__4.6.2 图像的 Hu 不变矩 / 103__eol__第 5 章 特征检测与匹配 / 106__eol__5.1 角点检测 / 106 __eol__5.1.1 角点 / 106 __eol__5.1.2 Harris 角点检测 / 107 __eol__5.1.3 SIFT 角点检测 / 109 __eol__5.1.4 SURF 角点检测 / 113 __eol__5.1.5 ORB 角点检测 / 115 __eol__5.1.6 角点检测算法比较 / 116 __eol__5.2 特征匹配 / 117 __eol__5.3 Hough 变换与形状检测 / 119 __eol__5.3.1 Hough 变换原理 / 119 __eol__5.3.2 Hough 线变换 / 120 __eol__5.3.3 Hough 圆变换 / 121 __eol__第 6 章 运动估计与滤波 / 123__eol__6.1 背景提取 / 123 __eol__6.1.1 背景建模基本思想 / 123 __eol__6.1.2 基于单一高斯模型的背景建模 / 124 __eol__6.1.3 混合高斯模型 / 126 __eol__6.1.4 基于混合高斯模型的背景建模 / 127__eol__6.2 光流估计 / 129 __eol__6.2.1 基本光流方程 / 129 __eol__6.2.2 Lucas-Kanade 算法 / 130 __eol__6.2.3 金字塔光流法 / 131 __eol__6.2.4 Horn-Schunck 算法 / 132 __eol__6.3 目标跟踪 / 134 __eol__6.3.1 基本问题 / 134 __eol__6.3.2 Meanshift 算法 / 135 __eol__6.3.3 KCF 算法 / 137 __eol__6.4 运动模型与滤波 / 140 __eol__6.4.1 运动模型 / 140 __eol__6.4.2 卡尔曼滤波 / 141 __eol__6.4.3 粒子滤波 / 145__eol__第 7 章 单目位姿测量与标定 / 150__eol__7.1 坐标系与成像模型 / 150 __eol__7.1.1 坐标系定义与坐标变换 / 150 __eol__7.1.2 线性成像模型 / 152 __eol__7.1.3 非线性畸变模型 / 154 __eol__7.2 单目视觉相对位姿测量 / 155 __eol__7.2.1 P3P 问题求解 / 156 __eol__7.2.2 PnP 问题通用线性求解 / 157 __eol__7.2.3 改进的 PnP 问题求解 / 158 __eol__7.2.4 结果优化 / 161 __eol__7.3 相机参数标定 / 162 __eol__7.3.1 张正友平面标定法 / 162 __eol__7.3.2 标定步骤 / 165 __eol__第 8 章 多视图几何与三维重建 / 167__eol__8.1 极线几何与基础矩阵 / 167 __eol__8.1.1 极线几何 / 167 __eol__8.1.2 本质矩阵 / 168 __eol__8.1.3 基础矩阵 / 170 __eol__8.1.4 基础矩阵的求解方法 / 170__eol__8.2 运动恢复结构 / 172 __eol__8.2.1 运动恢复结构问题 / 172 __eol__8.2.2 欧式结构恢复 / 172 __eol__8.2.3 透视结构恢复 / 174 __eol__8.2.4 N 视图的运动恢复结构问题 / 175 __eol__8.3 双目立体视觉系统 / 176 __eol__8.3.1 平行视图 / 176 __eol__8.3.2 非平行视图 / 177 __eol__8.4 图像拼接 / 179 __eol__8.4.1 特征点提取与匹配 / 179 __eol__8.4.2 单应性矩阵求解 / 179 __eol__8.4.3 图像配准 / 182 __eol__8.4.4 图像融合 / 183 __eol__8.5 三维重构 / 183__eol__第 9 章 视觉系统实现 / 187__eol__9.1 机器视觉光源 / 188 __eol__9.1.1 照明方式 / 188 __eol__9.1.2 光源类型 / 192 __eol__9.2 机器视觉相机 / 194 __eol__9.2.1 视觉传感器 / 194 __eol__9.2.2 相机接口 / 195 __eol__9.2.3 镜头接口 / 197 __eol__9.3 镜头 / 198 __eol__9.4 图像采集卡 / 202 __eol__9.5 计算硬件平台 / 203 __eol__9.5.1 CPU 与基于 PC 的视觉硬件平台 / 203 __eol__9.5.2 图形处理器 / 205 __eol__9.5.3 现场可编程门阵列 / 207 __eol__9.5.4 特定应用硬件加速器 / 207 __eol__9.6 机器视觉软件 / 208 __eol__9.6.1 开源视觉框架与 OpenCV / 208 __eol__9.6.2 商业机器视觉软件 / 210__eol__第10