本書圍繞工業(yè)機器視覺的具體應用，基于HALCON機器視覺集成開發(fā)平臺，通過 30 余個典型案例，詳細介紹工業(yè)機器視覺的概念、原理和應用。主要內(nèi)容包括HALCON編程軟件、圖像采集硬件的組成、圖像處理的基本方法和原理、圖像特征與提取、圖像模式識別等，并通過綜合實例介紹應用HALCON解決實際問題的方法和步驟。
本書面向?qū)嶋H應用，內(nèi)容力求精煉，避免冗繁理論推導，適合高等職業(yè)院校和應用型本科院校相關專業(yè)的學生使用，也可供圖像處理、模式識別、人工智能等領域的科研人員和工程技術人員參考。
·本書圍繞著工業(yè)機器視覺的具體應用，基于HALCON機器視覺集成開發(fā)平臺，通過30余個典型案例，詳細介紹工業(yè)機器視覺的概念、原理和應用。
·本書配有微課視頻，掃描二維碼即可觀看。
視覺系統(tǒng)是人類認識世界的主要工具，而機器視覺是對人類自身視覺感知能力的仿真。伴隨著電子學和計算機科學的發(fā)展，機器視覺在工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、航天、氣象、天文、公安、交通、安全、科研等各個領域都到了廣泛應用。工業(yè)機器視覺是機器視覺在工業(yè)領域內(nèi)的應用，是機器視覺的一個重要的應用方向，已滲透到工業(yè)生產(chǎn)的方方面面，在工業(yè)生產(chǎn)過程中的目標識別、表面質(zhì)量檢測、目標定位、測量等細分領域發(fā)揮著越來越重要的作用。工業(yè)機器視覺已廣泛應用于工業(yè)自動化生產(chǎn)的各個環(huán)節(jié)，它顯著地提高了生產(chǎn)效率、產(chǎn)品質(zhì)量以及自動化程度，是實現(xiàn)智能制造的基礎技術之一。
隨著智能制造的發(fā)展，對工業(yè)機器視覺人才的需求逐年增長，廣大工程技術人員迫切要求掌握和應用該項技術。目前機器視覺的教材普遍偏重理論和算法介紹，對數(shù)學基礎和編程能力有較高的要求，一般的工程技術人員難以理解和掌握，廣大讀者迫切需要一本易學、易懂、實用性強的教材。
應用于工業(yè)領域的軟件對計算結果的精度、準確率和開發(fā)周期有著較高的要求。由于機器視覺所涉及理論的復雜性，要從底層做起，開發(fā)出一套商用的工業(yè)視覺軟件有較大的難度，一般的工程技術人員難以勝任，因此，封裝了機器視覺基礎算法，具有良好界面的集成開發(fā)環(huán)境，并且易學、易用的機器視覺平臺軟件應運而生，成了現(xiàn)實選擇。
目前，市場上主流的工業(yè)機器視覺平臺軟件有OpenCV、HALCON、NI Vision等。其中HALCON是由德國MVTec公司開發(fā)的一款功能齊全的機器視覺平臺軟件，它包括 1500 多個函數(shù)，900多個例程，所有的圖像處理功能都可以找到對應的算子，基于它提供的原型化的集成開發(fā)環(huán)境，用戶可以方便、快捷地搭建自己的機器視覺系統(tǒng)。它被工業(yè)界公認為具有效能的機器視覺軟件，同時也是市場占有率的工業(yè)機器視覺平臺之一。對于讀者而言，通過學習HALCON可以快速地了解和掌握開發(fā)工業(yè)機器視覺系統(tǒng)的原理和方法。
本書面向?qū)嶋H應用，內(nèi)容力求精煉，避免冗繁理論推導，圍繞著工業(yè)機器視覺的具體應用，基于HALCON機器視覺集成開發(fā)平臺，通過30余個典型案例，詳細介紹工業(yè)機器視覺的概念、原理和應用。
本書分為10章。第1章緒論，主要介紹工業(yè)機器視覺的概念、應用領域、系統(tǒng)組成等內(nèi)容。第2章HALCON的基礎知識，介紹HALCON編程軟件，包括HALCON集成開發(fā)環(huán)境，基本語法、常用算子等內(nèi)容。第 3 章機器視覺硬件系統(tǒng)，介紹圖像采集硬件的組成，主要包括鏡頭、相機、光源、圖像采集卡等硬件知識和選型原則以及相機標定等內(nèi)容。第4章灰度圖像BLOB分析、第5章圖像濾波和第6章圖像的形態(tài)學處理，介紹圖像處理的基本方法和原理，包括二值化原理、連通域分析、形態(tài)學、圖像濾波、圖像增強、仿射變換等。第7章圖像的幾何變換，介紹圖像的位置變換以及形狀變換。第8章圖像特征與提取，介紹常用的圖像特征以及提取方法。第9章圖像模式識別，介紹模板識別的基本理論和幾種常見的模式識別方法。第10章綜合實例，通過模板匹配、高精度測量、HALCON與C#混合編程3個實例，介紹使用HALCON解決實際問題的方法和步驟。
本書在編寫過程中得到了超人視覺的羅超先生的大力幫助，謹在此表示衷心感謝。
本書適合高等職業(yè)院校和應用型本科院校相關專業(yè)的學生使用，也可供圖像處理、模式識別、人工智能等領域的科研人員和工程技術人員參考。
本書由郭森擔任主編，任仙怡、胡濤擔任副主編。高波、王昌偉參與了編寫，全書由郭森負責統(tǒng)稿、定稿。在編寫過程中，編者參考了相關書籍、論文、資料和網(wǎng)站文獻以及HALCON自帶的例圖和例程，在此對原作者表示衷心感謝。
由于編者水平有限，書中難免存在疏漏和不足之處，敬請讀者指正。
編者
出版說明
前言
第1章 緒論1
1.1 工業(yè)機器視覺的概念1
1.2 工業(yè)機器視覺的應用領域1
1.3 工業(yè)機器視覺的基本原理4
1.3.1 工業(yè)機器視覺涉及的關鍵技術4
1.3.2 工業(yè)機器視覺系統(tǒng)5
習題6
第2章 HALCON的基礎知識7
2.1 HALCON的集成開發(fā)環(huán)境7
2.2 HALCON語言10
2.2.1 HALCON中的數(shù)據(jù)類型10
2.2.2 HALCON中的運算符12
2.2.3 HALCON中的控制流算子13
2.3 HALCON中創(chuàng)建函數(shù)15
2.4 案例—找出圖中面積的圓17
習題19
第3章 機器視覺硬件系統(tǒng)20
3.1 光源20
3.1.1 光源的顏色21
3.1.2 光源的照射方式23
3.1.3 案例—選擇合適的打光方式27
3.2 鏡頭28
3.2.1 工業(yè)鏡頭的基本參數(shù)28
3.2.2 工業(yè)鏡頭的分類29
3.3 相機30
3.3.1 相機的性能指標30
3.3.2 相機的分類31
3.3.3 相機-計算機接口32
3.4 相機標定34
3.4.1 相機標定原理34
3.4.2 相機標定過程36
3.4.3 案例—用HALCON標定助手對相機進行標定38
習題40
第4章 灰度圖像BLOB分析41
4.1 BLOB簡介41
4.1.1 BLOB的概念41
4.1.2 案例—BLOB分析的方法和步驟42
4.2 灰度直方圖43
4.2.1 灰度直方圖的概念43
4.2.2 灰度直方圖與圖像清晰度的關系43
4.2.3 案例—顯示灰度圖像的直方圖44
4.3 閾值分割45
4.3.1 全局固定閾值分割45
4.3.2 案例—用“灰度直方圖”工具對圖像進行二值化46
4.3.3 動態(tài)閾值分割47
4.3.4 案例—圓點檢測47
4.4 連通區(qū)域分析48
4.4.1 連通區(qū)域分析的原理48
4.4.2 案例—分割圖中的數(shù)字50
4.5 特征值計算50
4.5.1 BLOB分析中的常用特征值50
4.5.2 “特征直方圖”工具52
4.5.3 案例—從標定板中分割出圓點52
習題54
第5章 圖像濾波56
5.1 圖像濾波簡介56
5.2 空間域圖像濾波56
5.2.1 均值濾波57
5.2.2 案例—均值濾波器的應用59
5.2.3 高斯濾波60
5.2.4 中值濾波61
5.2.5 三種空間濾波方法的比較62
5.2.6 案例—分析液體中的顆粒63
5.3 頻域圖像濾波64
5.3.1 頻域濾波原理64
5.3.2 頻率域低通濾波66
5.3.3 案例—低通濾波器的應用69
5.3.4 頻率域高通濾波69
5.3.5 案例—應用高斯高通濾波器提取圖像輪廓71
5.3.6 頻率域的帶阻/帶通濾波器73
5.3.7 案例—應用帶通濾波器進行劃痕檢測75
習題76
第6章 圖像的形態(tài)學處理78
6.1 圖像的形態(tài)學處理簡介78
6.2 形態(tài)學的基礎算法78
6.2.1 膨脹運算78
6.2.2 腐蝕運算79
6.2.3 開運算80
6.2.4 閉運算80
6.2.5 案例—求圖中地球的中心點坐標81
6.2.6 其他形態(tài)學算子82
6.2.7 案例—應用“擊中擊不中”的方法檢測字符84
6.3 形態(tài)學的典型應用85
6.3.1 邊界提取85
6.3.2 案例—提取目標區(qū)域的邊界85
6.3.3 區(qū)域填充86
6.3.4 連接成分提取87
6.3.5 案例—檢測并計算出圓形工件上的瑕疵大小88
習題89
第7章 圖像的幾何變換90
7.1 圖像的幾何變換簡介90
7.2 圖像的位置變換90
7.2.1 圖像平移90
7.2.2 圖像旋轉(zhuǎn)91
7.2.3 案例—標簽旋轉(zhuǎn)92
7.2.4 圖像鏡像93
7.2.5 案例—圖像鏡像94
7.3 圖像的形狀變換95
7.3.1 圖像的縮小95
7.3.2 圖像的放大95
7.3.3 圖像的錯切96
7.3.4 透射變換97
7.3.5 案例—二維碼位姿校正98
習題99
第8章 圖像特征與提取101
8.1 圖像特征101
8.2 邊緣特征101
8.2.1 差分邊緣檢測算子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—用邊緣檢測提取公路標線105
8.3 圖像的骨架特征106
8.3.1 骨架的原理106
8.3.2 案例—長條形物體上的缺陷檢測107
8.4 區(qū)域特征109
8.4.1 常用區(qū)域特征109
8.4.2 案例—找出圖中的六角螺帽111
8.5 灰度直方圖特征112
8.5.1 常用的灰度直方圖特征112
8.5.2 案例—紅外物體的熱點溫度檢測113
8.6 圖像的紋理特征114
8.6.1 灰度共生矩陣原理115
8.6.2 案例—LCD顯示器缺陷檢測117
8.7 角點特征118
8.7.1 角點檢測法原理118
8.7.2 案例—方格墻磚的角點檢測119
8.8 亞像素邊緣特征121
8.8.1 亞像素方法原理121
8.8.2 XLD特征122
8.8.3 案例—用亞像素的方法計算工件圓孔的半徑122
8.9 圖像的顏色特征124
8.9.1 圖像的彩色124
8.9.2 顏色模塊125
習題129
第9章 圖像模式識別131
9.1 圖像模式識別的定義131
9.2 模板匹配131
9.2.1 模板匹配的原理131
9.2.2 案例—用模式識別的方法查找對應圖案135
9.2.3 案例—用模板匹配助手實現(xiàn)芯片標識的匹配與定位136
9.3 統(tǒng)計模式識別141
9.3.1 K-近鄰法（K-NN）141
9.3.2 支持向量機143
9.4 案例—應用支持向量機進行樣本缺陷檢測146
9.5 神經(jīng)網(wǎng)絡149
9.5.1 神經(jīng)網(wǎng)絡的定義149
9.5.2 神經(jīng)網(wǎng)絡的創(chuàng)建和應用150
9.5.3 常見的神經(jīng)網(wǎng)絡類型150
9.5.4 案例—用神經(jīng)網(wǎng)絡訓練識別車牌漢字152
9.5.5 案例—用神經(jīng)網(wǎng)絡進行像素分類154
9.6 字符識別（OCR）155
9.6.1 字符識別原理155
9.6.2 案例—識別車牌中的英文字母和數(shù)字157
習題158
第10章 綜合實例16
書單推薦
