機器視覺檢測理論與算法 机器视觉检测理论与算法

第1章機器視覺檢測概述
1.1機器視覺應用與發展
1.1.1機器視覺發展現狀
1.1.2機器視覺應用分類
1.1.3機器視覺應用領域
1.2視覺檢測原理與軟件體系
1.2.1視覺檢測工作原理
1.2 .2視覺檢測中圖像處理流程
1.2.3視覺檢測軟件體系
1.3視覺檢測算法的研究現狀
1.3.1預處理算法與應用
1.3.2圖像分割算法與應用
1.3.3圖像變換算法與應用
l.3.4圖像特徵提取與匹配
1.3.5圖像分析與分類
1.4本書的組織結構及機器視覺案例簡介
1.4.1本書的組織結構
1.4.2機器視覺案例簡介

第2章圖像預處理
2.1圖像濾波
2.1.1高斯濾波
2.1.2均值濾波
2.1.3中值濾波
2.1.4粘扣帶疵點視覺檢測的圖像濾波
2.1.5導爆管視覺檢測的圖像濾波
2.2圖像銳化
2.2.1圖像梯度銳化算法原理
2.2. 2汽車鎖扣鉚點視覺測量的邊緣銳化
2.3圖像增強
2.3.1灰度變換
2.3.2直方圖增強
2.3.3電子元器件視覺檢測的圖像增強

第3章圖像分割
3.1邊緣檢測
3.1.1一階微分邊緣算子
3.1.2二階微分邊緣算子
3.1.3形態學邊緣檢測
3.1.4粘扣帶疵點視覺檢測的邊緣檢測
3.1.5網孔織物質量視覺檢測的邊緣檢測
3.1.6導爆管視覺檢測的邊緣檢測
3.1.7電子元器件視覺檢測的邊緣檢測
3.2基於先驗知識的ROI提取
3.2.1 ROI設定方法
3.2.2先驗知識的表示
3.2.3 FPC補強片缺陷檢測的輪廓掩模
3.2.4汽車鎖扣鉚點視覺測量的鉚點ROI提取
3.2.5 TFDS擋鍵故障識別的ROI定位
3.3直方圖反向投影
3.3.1基於灰度的直方圖反向投影算法
3.3.2基於直方圖反向投影的坯布疵點定位
3.3.3基於灰度共生矩陣與反向投影的坯布疵點定位
3.4閾值分割
3.4.1全局閾值分割
3.4.2局部閩值分割
3.4.3導爆管視覺檢測的閾值分割
3.4.4坯布疵點視覺檢測的閾值分割
3.4.5網孔織物質量視覺檢測的閾值分割
3.4. 6 FPC補強片缺陷檢測的閾值分割
3.4.7 TFDS擋鍵故障識別的閾值分割
3.5輪廓算法
3.5.1輪廓提取
3.5.2連通標記
3.5.3邊界追踪
3.5.4輪廓的幾何特徵
3.5.5網孔織物質量視覺檢測的網孔輪廓標記
3.5.6電子接插件視覺檢測的：Pin輪廓定位
3.5.7 FPC補強片缺陷檢測的缺陷輪廓特徵

第4章圖像變換
4.1形態學處理
4.1.1腐蝕與膨脹
4.1.2開運算與閉運算
4.1 13形態骨架提取
4.1.4 FPC補強片激光測高的光斑定位
4.2幾何變換
4.2.1平移、縮放與旋轉
4.2.2仿射變換
4.2.3汽車鎖扣鉚點視覺測量的仿射變換
4.3圖像輪廓擬合
4.3.1直線擬合
4.3.2圓的擬合
4.3.3 FPC補強片激光測高的光斑橢圓擬合
4.3.4 TFDS零件輪廓的組合圖元識別
4.4圖像的直一極坐標變換

第5章特徵提取與圖像匹配
5.1基於灰度的特徵提取與匹配
5.1.1基於灰度的模板匹配
5.1.2高斯金字塔匹配
5.1.3 TFDS截斷塞門手把的灰度模板匹配
5.2基於不變矩的特徵提取與匹配
5.2.1不變矩特徵
5.2.2基於不變矩的匹配算法
5.2.3 TFDS截斷塞門手把的不變矩變步長匹配
5.3基於形狀的特徵提取與匹配
5.3.1基於幾何形狀特徵的TFDS截斷塞門手把匹配
5.3.2基於改進形狀上下文的TFDS擋鍵故障識別
5.3.3基於角度與尺度混合描述子的TFDS集塵器匹配
5.3.4基於改進高度函數的T：FDS截斷塞門手把匹配

第6章圖像分析與分類
6.1圖像特徵分類
6.1.1顏色特徵
6.1.2紋理特徵
6.1.3形狀特徵
6.1.4空間關係特徵
6.2 SVM分類
6.2. 1基於SVM的視覺檢測分類算法
6.2.2坯布視覺檢測中基於SVM的疵點分類
6.3 BP神經網絡分類
6.3.1基於BP神經網絡的視覺檢測分類算法
6.3.2坯布視覺檢測中基於BP神經網絡的疵點分類
參考文獻