本書是機(jī)器視覺原理與應(yīng)用的基礎(chǔ)性教材,使用OpenCV、Python與MATLAB實(shí)現(xiàn)涉及的各種機(jī)器視覺算法。通過本書的學(xué)習(xí),讀者能理解并掌握機(jī)器視覺的原理和應(yīng)用。本書注重理論與實(shí)踐的結(jié)合,共13章,分別是機(jī)器視覺理論簡(jiǎn)介、機(jī)器視覺數(shù)學(xué)基礎(chǔ)、機(jī)器視覺編程基礎(chǔ)、機(jī)器視覺測(cè)量系統(tǒng)、視覺圖像基礎(chǔ)、基于OpenCV和Python的圖像預(yù)處理、圖像的特征提取、視覺動(dòng)態(tài)紋理識(shí)別、圖像配準(zhǔn)、立體視覺、主動(dòng)輪廓與跟蹤運(yùn)動(dòng)、聚類分析及隨機(jī)配置網(wǎng)絡(luò)。
本書內(nèi)容翔實(shí)、實(shí)例豐富,注重理論與實(shí)踐相結(jié)合,不僅可以作為本科生和研究生的教材或參考書,而且可以作為機(jī)器視覺愛好者入門與提高的參考書。
本書內(nèi)容翔實(shí)、實(shí)例豐富,注重理論與實(shí)踐相結(jié)合,不僅可以作為本科生和研究生的教材或參考書,而且可以作為機(jī)器視覺愛好者入門與提高的參考書。
機(jī)器視覺是人工智能領(lǐng)域的一個(gè)活躍學(xué)科,旨在研究機(jī)器視覺的構(gòu)成、圖像處理算法和應(yīng)用系統(tǒng)。近年來,機(jī)器視覺作為學(xué)科交叉的研究領(lǐng)域,研究?jī)?nèi)容和研究方法涉及光學(xué)工程、模式識(shí)別、人工智能、儀器儀表、圖像處理、信號(hào)處理、機(jī)器人學(xué)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)及自動(dòng)化等多學(xué)科領(lǐng)域,廣泛應(yīng)用于航空航天、智能制造、建材、冶金、選礦、自動(dòng)駕駛、固廢處理、服務(wù)機(jī)器人等領(lǐng)域。本書重點(diǎn)介紹機(jī)器視覺的原理及多種機(jī)器視覺算法的實(shí)用化應(yīng)用。
本書從原理與應(yīng)用兩個(gè)角度進(jìn)行闡述,系統(tǒng)深入地講解了目前主要的機(jī)器視覺算法,包括機(jī)器視覺理論簡(jiǎn)介、機(jī)器視覺數(shù)學(xué)基礎(chǔ)、機(jī)器視覺編程基礎(chǔ)、機(jī)器視覺測(cè)量系統(tǒng)、視覺圖像基礎(chǔ)、基于OpenCV和Python的圖像預(yù)處理、圖像的特征提取、視覺動(dòng)態(tài)紋理識(shí)別、圖像配準(zhǔn)、立體視覺、主動(dòng)輪廓與跟蹤運(yùn)動(dòng)、聚類分析及隨機(jī)配置網(wǎng)絡(luò)。對(duì)重點(diǎn)算法分別通過理論分析、實(shí)驗(yàn)程序、實(shí)際應(yīng)用三部分進(jìn)行講解。對(duì)于算法的核心部分,編著者進(jìn)行了詳細(xì)的闡述。
學(xué)習(xí)本書,需要讀者掌握基本的數(shù)學(xué)基礎(chǔ)知識(shí),如微積分、線性代數(shù)、概率論及矩陣論等,同時(shí)應(yīng)具備一些編程基礎(chǔ),如C語言、MATLAB及Python和OpenCV。
本書由沈陽工業(yè)大學(xué)的喬景慧編著。編著者的學(xué)生李嶺、趙校偉、何鑫達(dá)、張皓博、趙燕松、崔景研等為本書的實(shí)踐應(yīng)用部分做了大量的工作,唐韞澤、徐寧、陳宇曦、張嘯涵、李洪達(dá)、韓玉明、張開濟(jì)、張巖、熊寧康、蘇冠赫、黃湛強(qiáng)、柳司麒、李卓然等為本書的插圖及程序提供了大量幫助。
回望學(xué)術(shù)研究之路,感謝我的碩士導(dǎo)師韓躍新教授在選礦及納米材料方面的指引,感謝我的博士導(dǎo)師柴天佑院士在控制理論與控制工程專業(yè)的引領(lǐng);赝虒W(xué)之路,感謝田方教授及沈陽工業(yè)大學(xué)各位同事的支持和幫助。回望科研實(shí)踐之路,感謝各合作企業(yè)給予的大力支持。
本書的編寫得到了國(guó)家自然科學(xué)基金項(xiàng)目的支持(項(xiàng)目編號(hào):61573249),遼寧省高等學(xué)校創(chuàng)新人才支持計(jì)劃(項(xiàng)目編號(hào):LR2019048)的支持,也得到了遼寧省研究生教育教學(xué)改革研究項(xiàng)目——多元協(xié)調(diào)的機(jī)械工程研究生實(shí)踐創(chuàng)新能力培養(yǎng)的教學(xué)改革與實(shí)踐探索(項(xiàng)目編號(hào):LNYJG2022073)的支持,以及沈陽工業(yè)大學(xué)“戰(zhàn)略領(lǐng)域?qū)W科方向團(tuán)隊(duì)——智能視覺與智能裝備”的資助。此外,本書還得到了沈陽工業(yè)大學(xué)研究生教育教學(xué)改革研究項(xiàng)目——面向基礎(chǔ)研究創(chuàng)新型研究生培養(yǎng)的優(yōu)秀導(dǎo)師團(tuán)隊(duì)建設(shè)與實(shí)踐(項(xiàng)目編號(hào):SYJG2022002)的資助。
由于編著者的水平和經(jīng)驗(yàn)有限,書中難免存在不妥之處,敬請(qǐng)讀者給予批評(píng)與指正!
喬景慧
高等院校教師
目錄
前言
第1章機(jī)器視覺理論簡(jiǎn)介
1.1機(jī)器視覺簡(jiǎn)介
1.2機(jī)器視覺的發(fā)展
1.3Marr視覺計(jì)算理論
1.4深度學(xué)習(xí)
1.5機(jī)器視覺的研究?jī)?nèi)容及面臨的問題
1.6機(jī)器視覺的應(yīng)用
思考與練習(xí)
第2章機(jī)器視覺數(shù)學(xué)基礎(chǔ)
2.1線性空間
2.2內(nèi)積空間
2.3矩陣的因子分解
2.4稠密及其完備性
2.5向量范數(shù)
2.6矩陣范數(shù)
2.7矩陣擾動(dòng)分析
2.8廣義逆矩陣
思考與練習(xí)
第3章機(jī)器視覺編程基礎(chǔ)
3.1Python安裝及環(huán)境搭建
3.2Python編譯器
3.3Python數(shù)據(jù)類型
3.4變量與常量
3.5運(yùn)算符
3.6選擇與循環(huán)
3.7列表與元組
3.8NumPy數(shù)組
3.9字典
3.10函數(shù)
3.11面向?qū)ο蟮木幊?br>3.12Python調(diào)用MATLAB程序
思考與練習(xí)
第4章機(jī)器視覺測(cè)量系統(tǒng)
4.1工業(yè)相機(jī)
4.2鏡頭
4.3光源
4.4圖像采集卡
4.5數(shù)據(jù)通信接口
思考與練習(xí)
第5章視覺圖像基礎(chǔ)
5.1視覺圖像的產(chǎn)生
5.2圖像的表示和可視化
5.3像素間的關(guān)系
5.4圖像品質(zhì)評(píng)價(jià)
5.5圖像處理
5.6圖像的頻域變換
思考與練習(xí)
第6章基于OpenCV和Python的圖像預(yù)處理
6.1圖像增強(qiáng)
6.2閾值處理及圖像濾波
6.3圖像的代數(shù)運(yùn)算
6.4二值圖像的幾何性質(zhì)與操作
6.5基于OpenCV和Python的機(jī)器視覺
思考與練習(xí)
第7章圖像的特征提取
7.1點(diǎn)檢測(cè)
7.2邊緣檢測(cè)
7.3邊緣輪廓檢測(cè)
7.4Hough(霍夫)變換
思考與練習(xí)
第8章視覺動(dòng)態(tài)紋理識(shí)別
8.1紋理描述
8.2紋理特征
8.3動(dòng)態(tài)紋理識(shí)別
思考與練習(xí)
第9章圖像配準(zhǔn)
9.1圖像配準(zhǔn)概述
9.2空間幾何變換
9.3基于灰度的圖像配準(zhǔn)
9.4基于特征的圖像配準(zhǔn)
9.5快速匹配算法
9.6亞像素超分優(yōu)化匹配技術(shù)
9.7OpenCV實(shí)現(xiàn)超像素細(xì)分
思考與練習(xí)
第10章立體視覺
10.1坐標(biāo)系間的變換關(guān)系
10.2攝像機(jī)成像模型
10.3工業(yè)相機(jī)標(biāo)定方法
10.4雙目視覺測(cè)量數(shù)學(xué)模型
10.5立體匹配方法與極限約束
10.6雙目視覺測(cè)量系統(tǒng)標(biāo)定
10.7雙目重構(gòu)
10.8雙目融合全局算法
思考與練習(xí)
第11章主動(dòng)輪廓與跟蹤運(yùn)動(dòng)
11.1主動(dòng)輪廓模型
11.2彈性形狀模型
11.3高斯混合模型
11.4跟蹤運(yùn)行特征
11.5基于視覺的運(yùn)動(dòng)特征提取與描述
思考與練習(xí)
第12章聚類分析
12.1K-Means聚類
12.2FCM聚類
12.3SCM聚類
思考與練習(xí)
第13章隨機(jī)配置網(wǎng)絡(luò)
13.1隨機(jī)配置網(wǎng)絡(luò)基礎(chǔ)
13.2魯棒隨機(jī)配置網(wǎng)絡(luò)原理
13.3魯棒隨機(jī)配置網(wǎng)絡(luò)應(yīng)用
13.4基于隨機(jī)配置網(wǎng)絡(luò)的PET油瓶智能識(shí)別
思考與練習(xí)
參考文獻(xiàn)