第1章 緒論 001
1.1 什么是機(jī)器視覺 001
1.2 機(jī)器視覺的起源 002
1.3 機(jī)器視覺的實(shí)際應(yīng)用 003
1.3.1 在工業(yè)領(lǐng)域的應(yīng)用 003
1.3.2 在醫(yī)學(xué)領(lǐng)域的應(yīng)用 004
1.3.3 在交通領(lǐng)域的作用 005
1.3.4 在生活領(lǐng)域的作用 006
1.4 機(jī)器視覺圖像處理的基本步驟 007
1.5 機(jī)器視覺圖像處理系統(tǒng)的組成 008

第2章 數(shù)字圖像處理 012
2.1 視覺感知要素 012
2.1.1 人眼的結(jié)構(gòu) 013
2.1.2 眼睛中圖像的形成 013
2.2 圖像感知和獲取 014
2.2.1 使用單個(gè)傳感器獲取圖像 015
2.2.2 使用條帶傳感器獲取圖像 016
2.2.3 簡單的圖像形成模型 017
2.3 圖像取樣和量化 018
2.3.1 取樣和量化的基本概念 018
2.3.2 數(shù)字圖像表示 020
2.3.3 空間和灰度分辨率 023
2.4 像素間的一些基本關(guān)系 025
2.4.1 相鄰像素 025
2.4.2 鄰接性、連通性、區(qū)域和邊界 025
2.4.3 距離度量 027
2.5 數(shù)字圖像處理中涉及的數(shù)學(xué)工具 028
2.5.1 陣列與矩陣操作 029
2.5.2 線性操作與非線性操作 029
2.5.3 算術(shù)操作 030
2.5.4 集合和邏輯操作 032

第3章 灰度變換與空間濾波 039
3.1 背景知識 040
3.1.1 灰度變換和空間濾波基礎(chǔ) 040
3.1.2 關(guān)于本章中的例子 041
3.2 一些基本的灰度變換函數(shù) 042
3.2.1 圖像反轉(zhuǎn) 042
3.2.2 對數(shù)變換 042
3.3 直方圖處理 044
3.3.1 直方圖均衡 044
3.3.2 直方圖匹配（規(guī)定化） 050
3.4 空間濾波基礎(chǔ) 056
3.4.1 空間濾波機(jī)理 057
3.4.2 空間相關(guān)與卷積 057
3.4.3 線性濾波的向量表示 061
3.5 平滑空間濾波器 062
3.5.1 平滑線性濾波器 062
3.5.2 統(tǒng)計(jì)排序（非線性） 濾波器 064
3.6 銳化空間濾波器 065
3.6.1 基礎(chǔ)知識 065
3.6.2 使用二階微分進(jìn)行圖像銳化——拉普拉斯算子 067
3.6.3 使用一階微分進(jìn)行（非線性） 圖像銳化——梯度 069

第4章 圖像復(fù)原 076
4.1 圖像退化/ 復(fù)原過程的模型 077
4.2 噪聲模型 077
4.2.1 噪聲的空間和頻率特性 078
4.2.2 噪聲概率密度函數(shù) 078
4.2.3 周期噪聲 082
4.3 只存在噪聲的復(fù)原——空間濾波 082
4.3.1 均值濾波器 083
4.3.2 統(tǒng)計(jì)排序?yàn)V波器 084
4.3.3 自適應(yīng)濾波器 087
4.4 周期噪聲頻域?yàn)V波 089
4.4.1 帶阻濾波器 090
4.4.2 帶通濾波器 090
4.4.3 陷波濾波器 091
4.4.4 *佳陷波濾波 091

第5章 彩色圖像處理 099
5.1 彩色基礎(chǔ) 100
5.2 彩色模型 105
5.2.1 RGB 彩色模型 105
5.2.2 CMY 和 CMYK 彩色模型 108
5.2.3 HSl 彩色模型 109
5.3 彩色變換 115
5.3.1 公式 115
5.3.2 補(bǔ)色 118
5.3.3 彩色分層 119
5.3.4 直方圖處理 120
5.4 平滑和銳化 122
5.4.1 彩色圖像平滑 122
5.4.2 彩色圖像銳化 124
5.5 基于彩色的圖像分割 124
5.5.1 HSI 彩色空間的分割 125
5.5.2 RGB 向量空間中的分割 125
5.5.3 彩色邊緣檢測 127
5.6 彩色圖像中的噪聲 129

第6章 形態(tài)學(xué)圖像處理 135
6.1 預(yù)備知識 135
6.2 腐蝕和膨脹 138
6.2.1 腐蝕 138
6.2.2 膨脹 140
6.3 開操作與閉操作 141
6.4 基本形態(tài)學(xué)算法 145
6.4.1 邊界提取 145
6.4.2 孔洞填充 146
6.4.3 連通分量的提取 148
6.4.4 凸殼 150
6.4.5 細(xì)化 151
6.4.6 粗化 152
6.4.7 骨架 153
6.4.8 裁剪 154
6.4.9 形態(tài)學(xué)重建 157
6.4.10 二值圖像形態(tài)學(xué)操作小結(jié) 162
6.5 灰度級形態(tài)學(xué) 164
6.5.1 腐蝕和膨脹 165
6.5.2 開操作和閉操作 167
6.5.3 灰度級形態(tài)學(xué)算法 169
6.5.4 灰度級形態(tài)學(xué)重建 175

第7章 圖像分割 180
7.1 基礎(chǔ)知識 181
7.2 點(diǎn)、線和邊緣檢測 182
7.2.1 背景知識 183
7.2.2 孤立點(diǎn)的檢測 185
7.2.3 線檢測 187
7.2.4 邊緣模型 189
7.2.5 基本邊緣檢測 193
7.2.6 邊緣連接和邊界檢測 199
7.3 閾值處理 210
7.3.1 基礎(chǔ)知識 210
7.3.2 基本的全局閾值處理 213
7.3.3 使用Otsu 方法的*佳全局閾值處理 214
7.3.4 使用圖像平滑改善全局閾值處理 219
7.3.5 利用邊緣改進(jìn)全局閾值處理 220
7.3.6 多閾值處理 222
7.4 基于區(qū)域的分割 224
7.4.1 區(qū)域生長 224
7.4.2 邊界提取 227
7.5 分割中運(yùn)動(dòng)的應(yīng)用 229
7.5.1 空間域技術(shù) 229
7.5.2 頻率域技術(shù) 231

第8章 目標(biāo)識別 239
8.1 模式和模式類 239
8.2 基于決策理論方法的識別 242
8.2.1 匹配 243
8.2.2 *佳統(tǒng)計(jì)分類器 248
8.2.3 神經(jīng)網(wǎng)絡(luò) 255
8.3 結(jié)構(gòu)方法 271
8.3.1 匹配形狀數(shù) 271
8.3.2 串匹配 272

參考文獻(xiàn) 278