相关截图：




资料简介：

《机器视觉技术及应用实例详解》以机器视觉的应用研究为主线，穿插介绍了图像处理的相关理论知识。第1章介绍了机器视觉的发展历史、展望及其基础知识。第2～19章，分别介绍了水稻种子精选、排种器试验台排种参数检测、棉花种子高速图像精选、玉米粒在穗计数、插秧机器人视觉系统、水田管理机器人导航路线检测、水田微型除草机器人导航路线检测、旱田作业机器人导航路线检测、车牌及号码检测、小麦病害图像检测、果树上桃子检测、交通事故现场标识快速检测、变电柜保护压板投退状态检测、三维作物生长量检测与建模及农田障碍物检测、交通流量图像监测、羽毛球竞技战术实时测量统计及车辆轨迹的实时跟踪、蜜蜂舞蹈实时跟踪检测、车辆参数实时检测。第20～22章，分别介绍了实现《机器视觉技术及应用实例详解》研究项目的专业图像处理软件平台，分别是通用图像处理系统ImageSys、二维运动图像测量分析系统MIAS和三维运动测量分析系统MIAS3D。【推荐语】<br/>陈兵旗撰写的《机器视觉技术及应用实例详解》一书具有如下特： 1、通过大量的典型案例对机器视觉技术的关键和应用方法行了详细分析。 2、所讲解的案例涉及农业、交通、电子、汽车、体育等行业。 3、全部的案例均来自生产实践，都得到了实际应用的检验，实用性比较强。 4、作者在日本从事机器视觉技术研究多年，回国后在教学之余办了公司，将机器视觉技术一步推广应用，在行业内拥有一定的影响力

资料目录：

前言

第1章 机器视觉技术基础知识

1.1 机器视觉技术的发展历史与展望

1.1.1 20世纪50年代以前的图像处理

1.1.2 20世纪60年代是数字图像处理的起点

1.1.3 20世纪70年代是数字图像处理的发展期

1.1.4 20世纪80～90年代是图像处理技术的普及和高度发展期

1.1.5 21世纪是机器视觉技术大展宏图的世纪

1.2 机器视觉技术的应用领域

1.3 机器视觉的构成

1.3.1 硬件构成

1.3.2 软件构成

1.4 数字图像基础

1.4.1 像素数与像素级

1.4.2 彩色图像与灰度图像

Y=0.299R+0.587G+0.114B （1-1）

1.4.3 图像文件格式与视频文件格式

第2章 水稻种子精选

2.1 研究意义、目标与技术要点

2.2 相关基础知识

2.2.1 摄像机与光源

2.2.2 二值化处理

μ=μ1θ1+μ2θ2 （2-4）

2.2.3 膨胀与腐蚀处理

2.2.4 参数测量

2.2.5 数据库

2.3 系统方案与硬件构成

2.3.1 系统方案

2.3.2 硬件设备、材料及样机

2.4 图像采集与工位标定

2.5 种子提取及几何参数的测量

2.6 种子所处工位的判断

di=|xj-pxi| （2-12）

2.7 种子特征信息数据库的建立

2.8 种子精选

2.8.1 种子类型的判断

ab=A （2-14）

b/a=k （2-15）

Si=|ai-a|+|bi-b| （2-18）

2.8.2 检测种子的几何参数是否合格

2.8.3 发霉种子的判断

2.8.4 破损种子的判断

2.9 精选结果分析

2.10 总结

第3章 排种器试验台排种参数检测

3.1 研究意义、目标与技术要点

3.2 系统硬件构成

3.2.1 机械结构及图像采集装置

3.2.2 图像采集系统

3.3 图像标定

3.4 图像采集与拼接

3.5 籽粒的二值化提取

3.6 籽粒计数

3.7 种子分布区间检测

3.7.1 纵向分布检测

3.7.2 横向分布检测

3.8 条播参数计算

3.9 穴播与精播参数计算

第4章 棉花种子高速图像精选

4.1 研究意义、目标与技术要点

4.2 图像处理基础知识

4.2.1 彩色处理

4.2.2 微分处理

L（x，y）=4f（x，y）-f（x，y-1）+f（x，y+1）+f（x-1,y）+f（x+1,y） （4-8）

4.3 系统方案及构成

4.4 图像采集及工位设定

4.5 种子提取与判断

4.6 红种子判断

4.7 破损棉种判定

4.8 总结

第5章 玉米粒在穗计数

5.1 研究意义、目标与技术要点

5.2 设备及软件环境

5.3 粒数测量

5.3.1 确定玉米穗区域

5.3.2 提取玉米穗行

5.3.3 测量穗行粒数

5.3.4 穗行的连续提取

5.3.5 穗行提取结束的判断及整穗粒数统计

R2［i］=R2［i］-dc i∈［0,0.8dx］ （5-6）

5.3.6 籽粒测量结果分析

第6章 插秧机器人视觉系统

6.1 研究意义、目标与技术要点

6.2 图像处理基础知识

6.2.1 传统哈夫变换的直线检测

y=kx+b （6-1）

ρ=xcosθ+ysinθ （6-2）

6.2.2 过已知点哈夫变换的直线检测

（y-y0）=m（x-x0） （6-3）

mi=（yi-y0）/（xi-x0） （6-4）

6.3 水田图像采集

6.4 目标苗列线检测

6.4.1 水田苗的提取

6.4.2 目标苗列确定

6.4.3 目标苗列线检测

6.5 目标田埂线检测

6.5.1 目标田埂的二值化处理

6.5.2 水泥目标田埂线检测

6.5.3 土质目标田埂线检测

6.6 田端田埂线检测

6.6.1 阴影线检测

6.6.2 田埂线检测

6.7 侧面田埂线检测

6.8 系统整合与试验

6.8.1 苗列端点的检测

6.8.2 目标田埂检测的优化

6.8.3 处理窗口的设定

6.8.4 试验验证

第7章 水田管理机器人导航路线检测

7.1 研究意义、目标与技术要点

7.2 研究图像采集

7.3 目标苗列间定位

7.4 水平扫描线上方向候补点检测

7.5 田端检测

7.5.1 计算亮度线剖面

n=f（ν） （7-3）

7.5.2 通过亮度-直线轮廓线判断稻田末端

7.6 已知点的确定及方向线检测

7.7 目标线检测结果与分析

7.7.1 目标空间位置检测

7.7.2 方向候补点检测

7.7.3 田端检测

7.7.4 已知点及方向线检测

第8章 水田微型除草机器人导航路线检测

8.1 研究意义、目标与技术要点

8.2 研究图像采集

8.2.1 试验设备

8.2.2 图像采集

8.3 检测算法

8.3.1 目标图像的确定

8.3.2 方向线的检测

8.4 检测结果与分析

8.4.1 目标图像的确定

8.4.2 方向线的检测

8.5 结论

第9章 旱田作业机器人导航路线检测

9.1 研究意义、目标与技术要点

9.2 图像平滑基础知识

9.2.1 移动平均

9.2.2 中值滤波

9.2.3 小波变换

9.3 小麦播种行走路线检测

9.3.1 试验设备

9.3.2 目标直线检测

m=tanα×ysize/2 （9-11）

9.3.3 田端检测

9.3.4 试验验证

9.4 其他农田作业的导航线及田端检测

9.5 麦田多列目标线图像检测

9.5.1 试验设备及图像采集

9.5.2 麦苗的强调和提取

9.5.3 目标点的确定

9.5.4 已知点的确定

9.5.5 多列目标中心线的检测

9.5.6 适应性分析

第10章 1车牌及号码检测

10.1 研究意义、目标与技术要点

10.2 几何变换基础知识

d（x，y）=（1-q）{（1-p）·d（［x］，［y］）+p·d（［x］+1,［y］）}+q{（1-p）·d（［x］，［y］+1）+p·d（［x］+1,［y］+1）} （10-1）

10.2.1 放大缩小

10.2.2 平移

10.2.3 旋转

10.2.4 仿射变换

10.2.5 透视变换

10.2.6 齐次坐标表示

10.3 车牌定位

10.3.1 边缘提取

10.3.2 二值化及去噪处理

10.3.3 车牌粗定位

10.3.4 车牌精确定位

10.3.5 车牌倾斜校正

10.4 字符分割

10.4.1 字符垂直倾斜校正

10.4.2 车牌间隔符的去除

10.4.3 车牌中数字“1”的判定

10.5 字符识别

10.6 车牌及号码识别系统介绍

10.6.1 出入口车牌照识别系统

10.6.2 氧气瓶号码识别系统

第11章 小麦病害图像检测

11.1 研究意义、目标与技术要点

11.2 图像纹理分析基础知识

11.2.1 灰度直方图纹理特征

max|F1（x）-F2（x）|<ρ （11-5）

11.2.2 共生矩阵纹理特征

11.2.3 差分统计量纹理特征

11.2.4 拉格朗日矩阵纹理特征

11.2.5 幂光谱纹理特征

P（ξ，η）=|F（ξ，η）|2 （11-33）

11.3 病害图像收集与数据库建立

11.4 病害图像纹理特征增强

11.5 病害部位分割

11.6 病害特征数据计算

11.7 病害诊断

第12章 果树上桃子检测

12.1 研究意义、目标与技术要点

12.2 试验设备与材料

12.3 桃子提取

12.4 边界追踪处理

12.5 匹配膨胀处理

12.6 可能圆心点群计算

12.7 可能圆心点群分组

12.8 圆心与半径计算

第13章 交通事故现场标识快速检测

13.1 研究意义、目标与技术要点

13.2 标尺标签设计及试验材料

13.3 标尺标签检测

R>B且G>B且（R-B）>5（R-G） （13-1）

L［j］>（La+4Ld）且L［j］>200 （13-2）

xsize/50<s<xsize/5 （13-4）

0.3<C<0.7且A>xsize/15 （13-5）

L［j］>（La+4Ld）且L［j］>240 （13-6）

13.4 检测结果分析

第14章 变电柜保护压板投退状态检测

14.1 研究意义、目标与技术要点

14.2 试验设备及材料

14.3 行列检测及压板定位

14.3.1 行检测

14.3.2 列检测

14.3.3 压板定位

14.3.4 结果分析

14.4 压板的类型检测

14.4.1 压板类型检测算法

14.4.2 检测结果与分析

14.5 压板投退状态检测

14.5.1 一般类型压板

14.5.2 浅黄色压板

14.5.3 白色压板

14.5.4 三孔压板

14.6 系统检测结果与分析

第15章 三维作物生长量检测与建模及农田障碍物检测

15.1 研究意义、目标与技术要点

15.2 双目视觉测量基础知识

15.2.1 摄像机模型

15.2.2 摄像机标定

Km=U （15-18）

m=（KTK）-1KTU （15-19）

h=［h11 h12 h13 h21 h22 h23 h31 h32］T （15-26）

［h1 h2 h3］=λA［r1 r2 t］ （15-28）

b=［B11B12B22B13B23B3］3T （15-32）

15.2.3 三维重建

Wp=（CTC）-1CTD （15-40）

15.3 系统构成

15.4 覆盖面积测量

15.5 株高测量

15.6 玉米植株的三维建模

Lr=Rθπ/180 （15-45）

Zu,v=（24.0-v）/8.0（u-3.0）Wr/20.0+Z0 （15-48）

15.7 农田障碍物的三维检测

15.7.1 试验设备及图像采集

15.7.2 相机标定

15.7.3 目标提取

15.7.4 障碍物识别

d=|xl-xr| （15-52）

15.7.5 试验结果与分析

第16章 交通流量图像监测

16.1 研究意义、目标与技术要点

16.2 试验设备及图像采集

16.3 背景计算与更新

16.3.1 初始背景计算

16.3.2 更新背景计算

16.3.3 背景计算结果

16.4 车辆区域提取

16.5 车影去除

16.6 车辆区域提取及车影去除的结果分析

16.7 车辆区分和计数

第17章 羽毛球竞技战术实时测量统计及车辆轨迹的实时跟踪

17.1 研究意义、目标与技术要点

17.2 Windows线程的基础知识

17.2.1 进程和线程

17.2.2 多线程的同步

17.2.3 线程时间配额

17.3 视频图像采集

17.4 场地标定

17.5 运动目标提取

17.6 轨迹归类与连接

17.6.1 方向数的概念

17.6.2 目标重心的计算

17.6.3 运动轨迹提取

17.7 羽毛球轨迹提取

17.8 羽毛球类型判断

17.9 车辆运行轨迹的实时跟踪测量

17.9.1 图像采集

17.9.2 信号采集

17.9.3 图像分析

17.9.4 试验结果

第18章 蜜蜂舞蹈实时跟踪检测

18.1 研究意义、目标与技术要点

S=Kt （18-1）

θ=α+β （18-2）

18.2 模板匹配基础知识

18.3 试验装置及视频图像采集

18.4 蜜蜂运行轨迹跟踪

18.4.1 目标蜜蜂的选定

M=2R-B （18-5）

18.4.2 目标点跟踪

DFmin<5AR （18-7）

18.5 蜜蜂舞蹈判断

t-Dx［k］>D且t-b>D （18-8）

Dx［k］-b>D且t-b>D （18-9）

Y［k］<Y［k+1］，Y［k］<Y［k-1］ （18-10）

Y［k］>Y［k+1］，Y［k］>Y［k-1］ （18-11）

T=（DSe-DSs）/Rf （18-12）

18.6 总结

第19章 车辆参数实时检测

19.1 研究意义、目标与技术要点

19.2 系统构成方案

19.3 系统检测方案

19.3.1 车辆长度测量

L=5-a-b （19-1）

a=（ysize/2-y1）S1 （19-2）

b=（y2-ysize/2）S2 （19-3）

19.3.2 车辆宽度测量

W=1.5+c+d （19-4）

c=（x3-xsize/2）S3 （19-5）

d=（xsize/2-x4）S4 （19-6）

19.3.3 车辆高度测量

H=h+e （19-7）

e=S5（ysize/2-y1） （19-9）

19.4 车辆进出判断

19.4.1 确定图像处理区域

19.4.2 图像差分

19.4.3 特征提取和分析

19.5 车辆边沿检测

19.5.1 地面检测

19.5.2 其他边沿检测

19.6 车辆颜色检测

19.7 检测流程

19.8 系统影响因素分析

第20章 通用图像处理系统ImageSys

20.1 系统简介

20.2 状态窗口

20.3 图像采集

20.3.1 DirectX直接采集

20.3.2 VFW PC相机采集

20.3.3 A/D图像卡采集

20.3.4 A60X工业采集

20.4 直方图处理

20.4.1 直方图

20.4.2 线剖面

20.4.3 3D剖面

20.4.4 累计分布图

20.5 颜色测量

20.6 颜色变换

20.6.1 颜色亮度变换

20.6.2 HSI表示变换

20.6.3 自由变换

20.6.4 RGB颜色变换

20.7 几何变换

20.7.1 仿射变换

20.7.2 透视变换

20.8 频率域变换

20.8.1 小波变换

20.8.2 傅里叶变换

20.9 图像间变换

20.9.1 图像间演算

20.9.2 运动图像校正

20.10 滤波增强

20.10.1 单模板滤波增强

20.10.2 多模板滤波增强

20.11 图像分割

20.12 二值运算

20.12.1 基本运算

20.12.2 特殊提取

20.13 二值图像测量

20.13.1 几何参数测量

C=1/D=周长2/（4π×总面积）

X=（1/n）∑x；Y=（1/n）∑y

mθmax={0.5（Mx2+My2）±0.5［（Mx2-My2）2+4（Mxy）2］1/2}max

椭圆长轴=（1/mθmax）/2

mθmin={0.5（Mx2+My2）±0.5［（Mx2-My2）2+4（Mxy）2］1/2}min

椭圆短轴=（1/mθmin）/2

θ=0.5arctan［2Mxy/（My2-Mx2）］

M0=对象物的面积

Mx1=∑y

My1=∑x

Mx2=∑（y-y0）2

My2=∑（x-x0）2

Mxy=∑∑（x-x0）（y-y0）

Mo=Mx2+My2

20.13.2 直线参数测量

20.13.3 圆形分离

20.13.4 轮廓测量

20.14 帧编辑

20.15 画图

20.16 查看

20.17 系统开发平台Sample

第21章 二维运动图像测量分析系统MIAS

21.1 系统简介

21.2 功能介绍

21.2.1 文件

21.2.2 运动图像及2D比例标定

21.2.3 运动测量

21.2.4 结果浏览

21.2.5 结果修正

21.2.6 其他功能

21.3 实时测量

21.3.1 实时测量

21.3.2 实时标识测量

21.4 系统开发平台MSSample

第22章 三维运动测量分析系统MIAS 3D

22.1 MIAS 3D系统简介

22.2 MIAS3D功能介绍

22.2.1 系统初始设定

22.2.2 文件

22.2.3 测量设置

22.2.4 运动测量

22.2.5 显示结果

22.2.6 结果修正

22.2.7 其他功能

参考文献