产品特色

编辑推荐

内容简介

《图像处理、分析与机器视觉（基于LabVIEW）》主要介绍基于LabVIEW的图像处理、分析与机器视觉系统的开发技术。全书尽量避免只进行枯燥的理论讲解，而是从实际工程应用的角度将内容分为“机器视觉系统构建”、“图像操作与增强”和“特征识别与机器决策”三大部分。其中第一部分主要讨论成像系统模型原理、镜头相机部件的选型、系统的搭建和校准以及图像采集、显示和存储等技术；第二部分包括图像操作和变换、图像灰度分析以及图像增强等技术；第三部分介绍机器视觉软件开发的关键技术，不仅包括图像分割、形态学处理、特征提取、特征分析、特征在机器视觉系统开发中的应用，以及目标测量、图像模式匹配、目标分类识别等技术，还包括色彩空间和色彩匹配、色彩定位、彩色模式匹配以及色彩分类识别等彩色图像处理技术。
《图像处理、分析与机器视觉（基于LabVIEW）》配有各种具有代表性的图像实例，以及图像处理、分析和机器视觉应用的程序源代码。这些图像和源代码不仅可加强读者对内容的理解，还能作为实际工程项目的参考。
《图像处理、分析与机器视觉（基于LabVIEW）》可作为图像处理、分析和机器视觉项目开发人员的技术参考书，或高等学校计算机、虚拟仪器、自动化、模式识别与图像处理等专业的教材，也可作为对机器视觉开发团队或公司的培训或辅导教材。

作者简介

　　杨高科，现就职于加拿大THALES公司，曾先后在SIEMENS、ALCATEL-LUCENT上海贝尔从事系统设计工作，并主持和管理过多个大型自动控制项目的部署实施。是国内较早使用LabVIEW进行虚拟仪器和机器视觉系统开发的工程人员之一，著有《LabVIEW虚拟仪器项目开发与管理》一书。

目录

第1部分 机器视觉系统构建
第1章 绪论
1．1 机器视觉的定义与发展
1．2 机器视觉系统的构成与开发过程
1．3 NI视觉平台简介及软件安装
第2章 成像系统
2．1 成像系统模型
2．2 镜头
2．3 相机
2．3．1 CCD和CMOS
2．3．2 模拟相机和模拟视频信号
2．3．3 数字相机和数字视频信号
2．3．4 相机筛选
2．4 本章小结
第3章 图像采集、存储与显示
3．1 图像采集设备
3．2 NI-MAX与相机驱动
3．3 IMAQ、IMAQdx与图像采集
3．4 本章小结
第4章 图像管理与显示
4．1 内存中的图像
4．2 内存图像管理
4．3 图像显示
4．3．1 图像显示控件
4．3．2 图像浏览器
4．3．3 外部窗口显示
4．4 ROI与图像遮罩
4．5 无损图层
4．6 本章小结
第5章 图像存储
5．1 图像文件读写
5．2 BMP文件
5．3 TIFF文件
5．4 JPEG文件
5．5 PNG文件
5．6 AVI文件
5．7 本章小结
第6章 系统校准与图像矫正
6．1 畸变模型
6．2 图像校准
6．3 坐标校准
6．4 误差与校准质量
6．5 图像几何矫正
6．6 本章小结

第2部分 图像操作与增强
第7章 图像操作与运算
7．1 像素操作
7．2 图像操作与几何变换
7．3 图像运算
7．4 彩色图像操作与运算
7．5 本章小结
第8章 灰度分析与变换
8．1 直方图
8．2 灰度分析
8．3 结构相似性
8．4 灰度变换
8．5 本章小结
第9章 空间域图像增强
9．1 线性卷积
9．2 邻域增强
9．2．1 线性滤波
9．2．2 非线性滤波
9．3 本章小结
第10章 频域图像增强
10．1 图像的傅里叶变换
10．2 图像的频域滤波
10．3 NI-Vision频域图像滤波方法
10．4 本章小结

第3部分 特征分析与机器决策
第11章 阈值分割与边缘分割
11．1 阈值分割
11．1．1 全局分割
11．1．2 局部分割
11．2 边缘分割
11．2．1 点检测
11．2．2 线检测
11．2．3 轮廓提取
11．3 本章小结
第12章 形态学与区域分割
12．1 像素的形态学处理
12．2 颗粒的形态学处理
12．3 区域分割
12．4 区域生长与形态学重构
12．5 本章小结
第13章 颗粒特征与分析
13．1 点与线
13．2 边界与面积
13．3 角度和矩
13．4 测量坐标系
13．5 本章小结
第14章 图像特征及应用
14．1 灰度测量
14．2 边缘检测
14．3 轮廓分析与比较
14．4 纹理分析
14．4．1 小波变换
14．4．2 纹理的统计分析
14．5 角点检测
14．6 本章小结
第15章 图像模式匹配
15．1 灰度匹配
15．2 几何匹配
15．3 黄金模板比较
15．4 本章小结
第16章 目标测量
16．1 目标搜索
16．2 特征定位
16．3 几何测量
16．3．1 卡钳
16．3．2 卡尺
16．3．3 解析几何法
16．4 结果判定
16．5 本章小结
第17章 分类识别
17．1 训练过程与分类器
17．1．1 样本集合
17．1．2 分类器配置
17．1．3 分类器操作和训练
17．1．4 分类器输出和评价
17．2 分类检测与识别
17．3 OCR
17．3．1 字符集训练
17．3．2 文字识别与验证
17．4 本章小结
第18章 彩色视觉
18．1 色彩空间
18．2 色谱与色彩匹配
18．3 色彩定位
18．4 彩色模式匹配
18．5 色彩分类
18．6 彩色图像分割
18．7 本章小结
第19章 仪表与条码
19．1 仪表读取
19．2 条码读取
19．2．1 一维码
19．2．2 二维码
19．3 本章小结
第20章 双目立体视觉
20．1 双目视觉系统原理
20．2 系统校准
20．3 图像调整
20．4 对应点匹配和3D重建
20．5 本章小结
参考文献

前言/序言

在电子学和计算机科学中，图像处理、分析与机器视觉一直是一个十分活跃的分支。随着过去30年电子和计算机技术的迅猛发展，人们对这一分支的研究已经不再局限于图像处理分析理论和实验室验证，而是不断向机器视觉领域延伸。

机器视觉主要研究各种图像处理分析技术在实际工业环境中的应用。目前，国内外这方面的研究日趋深入，相关的书籍也层出不穷。但是，大多数书籍更倾向于对理论和算法进行抽象讲解。对于大部分工程人员来说，要将这些理论转化为具体的工程实践，仍有不少的困难需要克服。此外，由于很多客观条件的制约，工程人员无法深入地研究图像处理与分析的各种理论和算法。因此，对他们而言，一套封装了各种算法且能快速解决各种问题的平台工具更具意义。至于理论研究和算法等工作，应留给平台工具开发人员去完成。

虚拟仪器利用计算机把高性能模块化硬件和可灵活定制的软件相结合，完成各种测试、测量和自动化任务。National Instruments（NI）公司的LabVIEW是一个可视化、跨平台、使用图形化编程语言的虚拟仪器开发平台。它广泛支持各种硬件，且包含丰富的面向应用的封装函数库。这些可扩展的函数库覆盖面很广，包括数据采集、信号处理、数学计算、统计分析、数据通信、数据库、移动开发、嵌入式开发、FPGA和运动控制等。对于图像处理、分析和机器视觉系统开发，NI公司提供了与LabVIEW无缝集成的函数库NI Vision。工程人员在LabVIEW中使用它，可快速构建大型机器视觉自动化系统。

本书基于LabVIEW和NI Vision，介绍图像处理、分析与机器视觉的工程应用和系统开发技术。全书根据读者对图像处理、分析与机器视觉知识掌握的程度和实际需求的不同，分为机器视觉系统构建、图像操作与增强和特征识别与机器决策三大部分。

第1部分包括第1~6章，主要讨论机器视觉系统的成像系统模型原理、镜头相机部件的选型、系统的搭建和校准以及图像采集、显示和存储等技术。通过学习这些内容，读者将能按照分辨率工程应用的需求，完成机器视觉系统搭建，并能用其采集用于后续处理的图像，并对图像进行显示和存储。

第2部分包括第7~10章，主要讨论图像的操作、图像变换、图像灰度分析以及图像的空间域和频域增强技术。由于这些技术的理论知识几乎在所有图像处理类的大学教程或工程参考书籍中都有介绍，因此本书第2部分内容重点介绍这些技术在工程实践中的作用和使用方法。当然，这部分内容中对理论知识作了汇总性介绍，这不仅完全可以满足初学图像处理和分析技术的工程人员或在校大学生的需要，还能帮助他们在各种繁杂的信息中理清脉络。

第3部分包括第11~19章，介绍机器视觉软件开发的关键技术，包括图像分割、形态学处理、特征提取、特征分析、特征在机器视觉系统开发中的应用以及目标测量、图像模式匹配、目标分类识别等技术。这部分将重点放在已经完成系统搭建和图像增强后的机器视觉软件开发上。在进行机器视觉软件开发时，不仅要考虑软件工作的理论基础，还要考虑其在实际工作环境中保持鲁棒性和实时性的前提下，仍能对各种变化因素具有不变性。例如，即使出现光照变化、被测件的位置变化、尺寸变化或被测件旋转等情况，机器视觉软件也仍能正常工作。此外，这部分内容还介绍了色彩空间和色彩匹配、色彩定位、彩色模式匹配以及色彩分类识别等技术，将机器视觉扩展到彩色图像范围。最后，还介绍了机器视觉仪表和条码读取技术。这部分内容适合进行机器视觉系统开发的工程人员或在校的研究生或博士生。

全书尽可能覆盖基于LabVIEW和NI Vision的图像处理、分析与机器视觉系统开发的最新技术。为帮助读者深入理解书中的内容，本书还精心收集了各种具有典型性的图像，并基于LabVIEW和NI Vision的最新版本创建了各种实例程序。这些实例图像和程序的代码可以从清华大学出版社官方网站（http://www.tup.com .cn）下载。

本书的编写是一个艰难和长期坚持的过程。2012年我的《LabVIEW虚拟仪器项目开发与管理》一书出版后，我想继续将基于LabVIEW开发图像处理、分析和机器视觉系统的一些经验和心得汇总成书。恰巧那时清华大学出版社和NI公司也计划联合出版一套LabVIEW技术丛书。在得到邀约后，我就与清华大学出版社一起制订了本书的编写计划。在第1部分的编写过程中，因工作原因，我不得不和妻儿迁居国外，后续章节的编写也是在新环境和工作之余完成的。感谢妻子和儿子在此过程中给予我的极大支持和理解。此外，许多同行和LAVA、NI Discussion Forums、VI Home、GSD Zone等论坛上的朋友对本书内容的规划提出了不少宝贵意见，他们的鞭策和关注给了我不断坚持的信念，在此向他们表示衷心的感谢！

本书中的实例程序和图像可通过扫描封底的二维码在益阅读网站上下载。

在下载的实例程序和图像目录中，同一章中的实例程序存在同一目录中，并按照“CH�舱潞拧钡男问矫�名。例如，第15章的所有实例代码存放在CH��15目录中（如下图）。

实例程序使用的图像和书中的插图则统一存放在IMGs目录中。为了程序运行方便，实例图像并未按章划分目录存放，而是在各实例程序代码和书中代码插图中明确说明了图像的路径。例如，第16章插图中的代码使用了保存在IMGs目录下Bracket子目录中的Bracket3.png图像。

由于时间和篇幅的限制，本书内容很难覆盖基于LabVIEW的图像处理、分析和机器视觉技术的各个方面，也难免存在不妥之处，请读者原谅并提出宝贵意见。

衷心希望机器视觉和虚拟仪器技术能在LabVIEW助力下有长足发展！

笔者

2018年3月于多伦多