目录

第1章机器视觉1

1.1机器视觉的历史1

1.2机器视觉的研究范畴3

1.3机器视觉的发展和展望5

1.4本书结构6

1.5本章小结7

习题17

第2章机器视觉智能分拣实训平台8

2.1智能分拣实训平台的基本介绍8

2.2智能分拣实训平台的硬件设备10

2.2.1机械臂10

2.2.2边缘计算主机10

2.2.3高清摄像头13

2.3智能分拣实训平台的软件系统14

2.4系统的综合演示16

2.4.1设备启动16

2.4.2机械臂启动16

2.4.3启动分拣程序16

2.5本章小结19

习题219

第3章图像与机器视觉系统20

3.1图像处理基础20

3.1.1色彩空间20

3.1.2图像滤波24

3.1.3图像分割27

3.1.4图像特征提取27

3.1.5目标识别31

3.1.6图像运算34

3.2机器视觉系统383.2.1机器视觉系统简介38

3.2.2机器视觉系统的发展历程39

3.2.3机器视觉系统的特点40

3.2.4机器视觉系统构成40

3.3机器视觉工具41

3.3.1OpenCV41

3.3.2图像数据结构42

3.3.3OpenCV基本画图函数46

3.4环境部署与软件安装48

3.4.1安装Python48

3.4.2安装pip（Python包管理器）49

3.4.3安装Numpy49

3.4.4安装OpenCV50

3.4.5OpenCV环境测试50

3.5OpenCV完成数据采集和存取50

3.5.1通过OpenCV录制视频50

3.5.2通过OpenCV读取视频53

3.5.3图像读取与保存54

3.6应用案例: 图像数据采集57

3.6.1算法原理57

3.6.2关键代码57

3.6.3工程运行58

3.7本章小结60

习题360

第4章图像数据结构和标注61

4.1图像数据结构61

4.1.1图像的数字化61

4.1.2数字图像的存储格式63

4.2图像文件处理73

4.2.1图像显示74

4.2.2图像读取76

4.2.3图像保存78

4.2.4视频处理80

4.3图像标注介绍83

4.3.1数据标注简介84

4.3.2数据预处理844.3.3图像数据标注91

4.3.4数据标注管理95

4.4应用案例: 智能分拣图像数据标注操作97

4.4.1图像数据标注工具介绍97

4.4.2应用案例: 使用LabelImg完成智能分拣图像数据标注98

4.4.3应用案例: 图片数据预处理101

4.5应用案例: 图像标记104

4.5.1算法原理104

4.5.2关键代码105

4.5.3工程运行109

4.6本章小结111

习题4111

第5章图像特征提取112

5.1图像变换112

5.1.1图像仿射变换113

5.1.2图像透射变换115

5.1.3图像重映射变换117

5.1.4Hough（霍夫）变换118

5.2图像边缘检测121

5.2.1Prewitt边缘检测121

5.2.2Sobel边缘检测123

5.2.3Scharr边缘检测124

5.2.4Canny边缘检测125

5.3图像分割133

5.3.1图像二值化134

5.3.2基于二值化的图像分割实现140

5.3.3区域生长142

5.3.4分水岭算法148

5.3.5GrabCut交互式分割150

5.4数学形态学152

5.4.1腐蚀153

5.4.2膨胀153

5.4.3开运算154

5.4.4闭运算154

5.4.5形态学梯度154

5.4.6形态学检测边缘1555.5应用案例155

5.5.1应用案例1: 图像变换155

5.5.2应用案例2: 形态学变换164

5.5.3应用案例3: 图像特征提取174

5.6本章小结186

习题5187

第6章光学字符识别188

6.1光学字符识别概述188

6.1.1光学字符识别分类188

6.1.2OCR的发展189

6.1.3光学字符识别应用场景190

6.1.4光学字符识别的优缺点192

6.1.5光学字符识别算法193

6.2图像直方图194

6.2.1绘制灰度直方图194

6.2.2绘制彩色直方图198

6.2.3直方图正规化203

6.2.4直方图均衡化205

6.2.5利用直方图进行图像分割207

6.3Sobel边缘算子208

6.3.1Sobel边缘算子简介209

6.3.2Sobel边缘算子常见应用场景210

6.3.3Sobel边缘算子的数学原理和应用210

6.4图像模板匹配214

6.4.1图像模板匹配简介214

6.4.2常见的匹配算法216

6.4.3模板匹配应用219

6.5应用案例: 基于模式匹配的光学字符识别221

6.6本章小结230

习题6230

第7章图像分类识别231

7.1深度学习概述231

7.1.1神经元232

7.1.2激活函数234

7.1.3神经网络2377.1.4损失函数和反向传播算法238

7.1.5优化策略240

7.2卷积神经网络243

7.2.1卷积运算244

7.2.2卷积神经网络的基本组件245

7.2.3卷积神经网络示例249

7.3深度学习框架介绍256

7.3.1PyTorch257

7.3.2TensorFlow259

7.3.3Keras264

7.3.43个框架对比265

7.3.5图像识别基本流程267

7.4迁移学习介绍268

7.4.1迁移学习简介268

7.4.2传统机器学习与迁移学习271

7.4.3迁移学习用法271

7.4.4迁移学习的分类272

7.5应用案例276

7.5.1应用案例1: 手写字识别应用276

7.5.2应用案例2: 基于深度学习的54类的图像分类281

7.6本章小结290

习题7291

第8章目标检测与识别292

8.1概述292

8.2传统目标检测算法介绍296

8.2.1区域选择296

8.2.2特征提取298

8.2.3分类器308

8.2.4目标跟踪313

8.2.5目标检测数据集317

8.3深度学习目标检测框架320

8.3.1基于FasterRCNN的目标分类320

8.3.2基于SSD模型的目标检测321

8.3.3YOLO目标检测算法325

8.4应用案例: 基于YOLO的汉字分拣目标检测328

8.4.1算法原理3288.4.2关键代码328

8.4.3工程运行331

8.5本章小结332

习题8332

第9章人脸识别333

9.1人脸识别原理333

9.1.1人脸识别技术发展历程333

9.1.2人脸识别技术的分类及特点337

9.1.3人脸识别技术的安全与隐私问题340

9.2人脸检测与人数统计技术342

9.2.1人脸检测技术原理及常见算法342

9.2.2人数统计技术原理及应用场景346

9.3人脸识别技术350

9.3.1人脸特征提取技术350

9.3.2人脸识别算法分类及优缺点比较352

9.3.3人脸对比技术353

9.4应用案例355

9.4.1应用案例1: 人脸检测355

9.4.2应用案例2: 人脸属性359

9.4.3应用案例3: 人脸识别364

9.5本章小结377

习题9377

第10章机器视觉云服务378

10.1概述378

10.2基于百度云服务的数字识别379

10.3基于百度云服务的图像分类383

10.4基于百度云服务的人物特征识别387

10.4.1百度人脸识别388

10.4.2百度云人体分析394

10.5应用案例: 基于百度云服务的车型识别399

10.6本章小结419

习题10420

附录A系统配置421

A.1系统网络配置421A.2系统音频配置425

A.3智云网关配置427

A.4无线节点配置428

A.5启动应用案例431

附录BGW3399边缘计算网关连接434

B.1通过SSH连接434

B.2上传、下载文件到实验平台436

B.3通过VNC连接441