机器视觉——使用HALCON描述与实现pdf下载pdf下载

机器视觉——使用HALCON描述与实现百度网盘pdf下载

作者:
简介:本篇主要提供机器视觉——使用HALCON描述与实现pdf下载
出版社:清华大学出版社
出版时间:2021-04
pdf下载价格:9.00¥


预览


内容介绍

产品特色

内容简介

  《机器视觉——使用HALCON描述与实现(人工智能科学与技术丛书)》从数字图片开始讲起,介绍什么是数字图像。以halcon的安装,halcon的基础语法和数据结构起点,以图像的获取,图像的处理,图像匹配,区域的处理,区域的特征,亚像素轮廓特征,亚像素轮廓处理,数组操作为主要内容,最后结合实际案例,启发读者。内容包含理论讲解,和实际编程两个部分,理论讲解,说明图像处理原理,实际案例,实操算法,强化应用。使读者不仅可以明白原理,还能学以致用。内容讲解细致,没有编程基础的读者也能轻松入门。

作者简介

杜斌,国内早期使用halcon进行机器视觉研究开发的工程人员,专业机器视觉一线软件工程师,开发过大型工业视觉检测项目,在网易云课堂担任讲师,讲解过机器视觉Halcon视频教程。

内页插图

精彩书评

  ★随着人工智能时代的到来,诸如“无人智能驾驶”“人工智能机器人”“智能监控系统”“火星探测器”等人工智能的应用,无一不例外地得益于机器视觉的快速发展。机器视觉软件擅长对图像进行智能处理,在整个机器视觉系统中有着举足轻重的地位。该书介绍了在机器视觉领域运用非常广泛的机器视觉软件HALCON来实现和描述机器视觉。
  该书源于网易云课堂“HALCON视频教程图像分析实战完整”视频课程的授课讲师的持续总结和提炼,该课程已获得一些学员的好评。该书特别适合对机器视觉感兴趣的零基础读者,同时也有助于对机器视觉基础的巩固和提高。书中运用大量的实际案例,详细介绍了机器视觉软件HALCON的算法和运用技巧,实用性强,易于快速学习和掌握,值得品读。
  ——KipyZhang外星眼机器视觉创始人
  
  ★HALCON是由德国MVtec公司开发的一套完善的标准的机器视觉算法包,拥有应用广泛的机器视觉集成开发环境,便于机器视觉、医学图像和图像分析应用的快速开发。凡是用得到图像处理的地方,就可以用HALCON强大的计算分析能力来完成图像处理的工作。该书对于学习机器视觉的爱好者有相当大的帮助作用,注重实战案例,同步提供代码和工程文件,使得读者学习起来更加轻松,易于快速掌握这款应用广泛的图像处理机器视觉软件。该书对于HALCON算法应用内容的讲解全面而详细,对于HALCON实际应用技巧的阐述别具一格,助力读者熟练掌握HALCON的实际运用。对于读者夯实HALCON理论知识,并融会贯通地应用到实际机器视觉项目实战中有很大的帮助。对算法有待更深入了解的读者也可把该书作为及时、有效的供查阅的工具书。
  ——Empty外星眼机器视觉讲师
  
  ★“该书知识体系结构化程度很高,逻辑严谨,讲解详细,思路清晰,适合零基础的同学入门,也适合有基础的同学进行巩固提高!满满的都是干货和经验!”
  ——网易云课堂学员

目录

目录




基础篇


第1章数字图像处理基础


1.1数字图像


1.1.1图像数字化


1.1.2黑白图像


1.1.3彩色图像


1.1.4图像噪声


1.2图像的参数


1.2.1分辨率


1.2.2深度


1.2.3通道数


1.2.4数据类型


1.3数字图像的压缩


1.3.1图像压缩的原理


1.3.2有损压缩和无损压缩


1.3.3图像压缩的评价


1.3.4常用的压缩方式


1.4数字图像格式


1.4.1BMP文件


1.4.2PNG文件


1.4.3JPEG文件


1.4.4JP2文件


1.4.5JXR文件


1.4.6TIFF文件


1.4.7HOBJ文件


第2章HALCON的预备环境


2.1HALCON安装环境


2.1.1硬件环境


2.1.2软件环境


2.2HALCON的安装


2.2.1安装包下载


2.2.2HALCON安装


2.3HALCON界面介绍


2.3.1欢迎界面


2.3.2主界面


第3章HALCON语法


3.1变量的创建与赋值


3.2if语句


3.3for循环语句


3.4中断语句


3.5while循环语句


3.6switch语句


第4章HALCON的数据结构


4.1图像


4.2区域


4.2.1区域的存储


4.2.2连通区域


4.3亚像素轮廓(XLD)


4.3.1亚像素轮廓介绍


4.3.2亚像素轮廓的数据结构


4.4数组


4.4.1数组的赋值与创建


4.4.2数组的存储与读取


4.5字典


4.5.1字典介绍


4.5.2字典的创建和操作


4.6句柄


算法篇


第5章图像的获取


5.1硬件采集


5.1.1硬件


5.1.2相机接口


5.1.3HALCON相机驱动


5.1.4HALCON图像的采集过程


5.1.5HALCON相机助手


5.2文件读取


5.2.1通过读取图像助手读取图像


5.2.2通过代码读取图像


5.3图像生成


第6章图像的预处理


6.1图像的运算


6.1.1加法运算


6.1.2减法运算


6.1.3乘法运算


6.1.4除法运算


6.2仿射变换


6.3图像平滑


6.3.1高斯滤波


6.3.2均值滤波


6.3.3中值滤波


6.3.4多图像均值


6.4边缘滤波


6.4.1索贝尔滤波


6.4.2凯尼滤波


6.5图像锐化


6.5.1索贝尔锐化


6.5.2拉普拉斯锐化


6.5.3高通滤波锐化


6.5.4几种锐化方法对比


6.6灰度变换


6.6.1线性灰度变换


6.6.2分段线性灰度变换


6.6.3非线性灰度变换


6.7傅里叶频域变换


6.7.1频域


6.7.2二维傅里叶变换


6.7.3频域滤波


第7章图像的标定


7.1标定原理


7.1.1透镜失真


7.1.2机器视觉坐标系


7.1.3机器视觉坐标系转换


7.2标定板介绍


7.2.1标定板的规格


7.2.2标定板的制作


7.3标定流程


7.4标定助手


7.4.1标定助手的开启


7.4.2标定助手介绍


7.5标定实例


第8章图像的分割


8.1阈值分割


8.2直方图自动阈值


8.2.1平滑直方图二分法


8.2.2最大类间方差法


8.3动态阈值


8.4区域生长


8.5分水岭分割


第9章图像的特征


9.1图像的区域灰度中心和面积


9.2区域灰度的等效椭圆


9.3图像的熵


9.4区域灰度的最大值和最小值


9.5直方图频率


第10章图像的匹配


10.1图像金字塔


10.2基于灰度值的匹配


10.2.1差值匹配


10.2.2相关性匹配


10.2.3基于灰度值匹配的实例


10.3基于形状匹配


10.4基于组件匹配


10.5基于局部形变匹配


10.6匹配的流程


10.7匹配助手


10.7.1匹配助手的启动


10.7.2匹配助手的窗口说明


第11章区域的变换


11.1形态学


11.1.1膨胀


11.1.2腐蚀


11.1.3开运算


11.1.4闭运算


11.1.5形态学梯度


11.1.6击中与击不中


11.1.7顶帽运算


11.1.8底帽运算


11.1.9区域骨骼


11.2区域填充


11.3区域裁切


11.4区域延伸


11.5分割边界区域


11.6区域形状转换


11.7区域排序


第12章区域特征提取与分析运算


12.1区域特征


12.2区域特征筛选


12.3区域分析运算


12.3.1区域运算


12.3.2区域的判断


第13章亚像素数据基础


13.1亚像素数据的说明


13.2亚像素数据的创建


第14章亚像素数据的转换和分割


14.1亚像素数据的裁切


14.2亚像素数据的闭合


14.3亚像素数据的排序


14.4亚像素数据的转换


14.5亚像素数据的平滑


14.6亚像素数据的分割


14.7亚像素数据的直线连接


14.8亚像素数据的圆弧合并


14.9亚像素数据轮廓的合并


第15章亚像素数据的特征提取与分析运算


15.1亚像素数据的本体类型


15.2亚像素数据的状态


15.3亚像素数据的特征


15.3.1圆度


15.3.2紧密度


15.3.3凸性


15.3.4椭圆度、不均匀性和结构因子


15.3.5最大距离


15.3.6轮廓长度


15.3.7轮廓点数


15.3.8角度


15.4亚像素数据的分析


15.4.1亚像素数据的特征筛选


15.4.2亚像素数据的运算


15.4.3亚像素数据的判断


第16章亚像素数据的拟合


16.1直线拟合


16.2圆拟合


16.3椭圆拟合


第17章图像处理结果的表述和绘制


17.1图形窗口


17.2绘制对象


17.2.1绘制区域


17.2.2绘制亚图像数据


17.2.3绘制文字


第18章数组的应用


18.1字符串的处理


18.1.1字符串的合并


18.1.2字符串的分割


18.1.3字符串的插入


18.1.4字符串的删除


18.1.5字符串的替换


18.1.6字符串的交集


18.1.7字符串的筛选


18.1.8字符串的查询


18.2数组的操作


18.2.1数组的创建


18.2.2数组排序


18.2.3删除数组元素


18.2.4插入数组元素


18.2.5修改数组元素


18.2.6查询数组元素


18.2.7数组元素的选择


18.2.8去除相邻重复的数组元素


18.2.9数组的运算


18.2.10判断数组元素是否相同


18.2.11数组的保存和读取


18.3数学函数


18.3.1三角函数


18.3.2取整


18.3.3角度的换算


18.3.4四则运算


18.3.5绝对值


18.3.6余数


18.3.7次方


18.3.8对数


18.3.9最大值和最小值


18.3.10计算元素正负号


实战篇


第19章HALCON实例与算法


19.1二维码识别


19.1.1二维码介绍


19.1.2二维码的定位与解码


19.1.3HALCON二维码实例


19.2一维码识别


19.2.1一维码介绍


19.2.2一维码定位与解码


19.2.3HALCON一维码读取实例


19.3光学字符识别



19.4识别飞行时间成像三维物体


19.5立体3D测量


19.6对焦测距


19.7图像拼接


第20章HALCON联合开发


20.1HALCON与VB联合编程——计数


20.2HALCON与C#联合编程——测量


20.3HALCON与C++、MFC联合编程——缺陷检测


20.4HALCON与C++、Qt联合编程——定位


参考文献


前言/序言


前言





“中国制造2025”迎来了前所未有的机遇,在这种情况下,中国制造只有加快步伐,完善自身建设,同时更要加强“中国智造”,才能抵御外界的强烈冲击。智能制造绝不仅仅是工业化和自动化这么简单,还需要给客户提供高附加值的服务,这也是未来工业发展的大趋势和助推器。

随着中国自动化技术迅猛发展,人们对于机器视觉的认识更加深刻,对它的看法也发生了很大的转变。机器视觉系统提高了工业生产的自动化程度,让不适合人工作业的危险工作在机器视觉的辅助下得以顺利进行,让大批量、高速度、持续生产变成现实,大大提高了工业生产效率和工业产品精度,节省了人力成本。

机器视觉技术通过工业相机镜头快速获取图像信息,并运用系统软件程序自动处理图像信息,为工业生产的信息快速集成提供了方便。随着机器视觉技术的成熟与发展,其应用范围更加广泛,包括新一代信息技术产业、高级数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、农机装备、新材料和生物医药及高性能医疗器械等。在应用如此广泛前景下,市场对于机器视觉领域人才的渴求愈加强烈。

怎样更高效地学习机器视觉技术成为人们关心的问题。作为一名机器视觉领域的一线软件工程师,我已掌握工业自动化智能发展领域实际机器视觉软件应用技术,成为“网易云课堂”签约讲师,并且制作了“HALCON视频教程图像分析实战”这门视频课程。课程一经上线,荣获众多志同道合人士的好评,本书是继该课程之后的又一提炼和升华之佳作。在此特别感谢清华大学出版社的编辑对本书出版的倾力支持。

本书采用简单易懂的语言讲解复杂的理论,非常适合HALCON入门学习以及后续提高,读者研读本书后就可轻松掌握HALCON技术,提高职业技能; 其中的实战案例让你更快、更精准地掌握HALCON实际使用技巧。

人工智能正促进着科学技术的改变和发展,“中国制造2025”的时代发展趋势将推动机器视觉技术走进每一个智能产品。本书浓缩了作者对于HALCON技术的积累和沉淀,值得广大机器视觉爱好者及从业人员阅读和收藏。

杜斌

2021年2月