本书介绍了机器视觉系统的基本组成原理和图像处理的技术基础。本书在第1版的基础上，重点补充介绍了深度学习技术及其在机器视觉中的应用。全书共分12章，第１章简要介绍机器视觉技术的基本概念、系统构成以及发展趋势；第２章介绍机器视觉系统的硬件技术和教学实验设备；第３章介绍机器视觉组态软件XAVIS；第４章介绍图像处理技术；第５、６章分别介绍机器视觉应用最普遍的尺寸测量技术与缺陷检测技术；第７章介绍模式识别技术；第８章介绍图像融合技术；第９章介绍基于机器视觉的运动目标跟踪技术；第10章介绍三维重构的初级视觉理论与方法；第11章介绍深度学习技术；第12章介绍深度学习技术在机器视觉中的应用。

关于深度学习技术，本书用深度学习概述、深度学习的基本概念、卷积神经网络、经典的深度神经网络等几个小节，沿着深度学习的发展脉络，进行深入浅出的介绍，帮助初学者快速入门。另外，本书重点讲解了深度学习在目标检测、图像分割、图像识别和图像生成等任务中的应用情况和案例，基本关注到了计算机视觉领域的主要研究方向，为入门者提供解决类似问题的基本思路和实操方法。

本书既可作为高等学校自动化类、计算机类、电气类、机械类等相关专业的教材，也可供从事测量、检测、控制及机器视觉等系统研究、设计和开发的科研技术人员参考。本次修订立足于新工科、新专业方向，相信将对机器人工程专业、人工智能专业及其他相关专业的发展起到积极作用。

前辅文
第1章 绪论
  1.1 机器视觉技术的发展与应用
   1.1.1 机器视觉技术发展现状
   1.1.2 机器视觉技术的应用
  1.2 机器视觉系统的组成
   1.2.1 系统硬件
   1.2.2 组态软件
  1.3 机器视觉方法分类
   1.3.1 尺寸测量
   1.3.2 缺陷检测
   1.3.3 模式识别
   1.3.4 图像融合
   1.3.5 目标跟踪
   1.3.6 三维重构
  1.4 机器视觉发展趋势
  习题与实验
  参考文献
第2章 机器视觉硬件技术
  2.1 镜头技术
   2.1.1 视场角
   2.1.2 焦距
   2.1.3 自动调焦
   2.1.4 滤光镜
  2.2 摄像机技术
   2.2.1 数字摄像机
   2.2.2 分辨率
   2.2.3 帧速
   2.2.4 智能相机
   2.2.5 相机接口
  2.3 光源技术
   2.3.1 前光源
   2.3.2 背光源
   2.3.3 环形光源
   2.3.4 点光源
   2.3.5 可调光源
  2.4 图像采集卡
  2.5 摄像机标定技术
   2.5.1 成像几何模型
   2.5.2 典型标定方法
   2.5.3 标定策略
  2.6 ZM-VS1200机器视觉教学
  实验平台
  习题与实验
  参考文献
第3章 机器视觉组态软件XAVIS
  3.1 XAVIS简介
  3.2 XAVIS基本操作
   3.2.1 主窗口
   3.2.2 子窗口
   3.2.3 操作示例
  3.3 XAVIS基本函数
   3.3.1 参数类型
   3.3.2 文件操作
   3.3.3 控制函数
   3.3.4 功能函数
   3.3.5 扩展函数
  3.4 XAVIS接口技术
   3.4.1 动态链接库技术
   3.4.2 自定义算法库加载
  3.5 XAVIS编程实例
   3.5.1 边缘提取
   3.5.2 图像滤波
   3.5.3 尺寸测量
   3.5.4 印刷体字符检测
   3.5.5 三维重构
  3.6 提示和操作技巧
  习题与实验
第4章 图像处理技术
  4.1 图像增强
   4.1.1 空域图像增强
   4.1.2 频域图像增强
  4.2 图像分割
   4.2.1 双峰法
   4.2.2 迭代法
   4.2.3 大津法
   4.2.4 判别分析法
   4.2.5 一维最大熵法
  4.3 边缘提取
   4.3.1 边缘定义及分类
   4.3.2 边缘检测算子
   4.3.3 轮廓提取方法
  4.4 数学形态学分析
   4.4.1 数学形态学原理
   4.4.2 图像数学形态学的基本运算
   4.4.3 图像数学形态学的应用
  4.5 图像投影
  4.6 图像特征提取
   4.6.1 图像特征
   4.6.2 兴趣点提取
   4.6.3 直线提取
   4.6.4 圆弧提取
  4.7 配准定位方法
   4.7.1 图像配准数学建模
   4.7.2 图像配准方法
   4.7.3 图像配准的主要步骤
  习题与实验
  参考文献
第5章 尺寸测量技术
  5.1 长度测量
   5.1.1 距离测量
   5.1.2 多距离测量和齿长测量
   5.1.3 线段测量
  5.2 面积测量
   5.2.1 基于区域标记的面积测量
   5.2.2 基于轮廓向量的面积测量
  5.3 圆测量
   5.3.1 正圆的测量方法
   5.3.2 多圆测量
   5.3.3 利用曲率识别法识别圆
   5.3.4 椭圆的测量方法
  5.4 线弧测量
   5.4.1 基于Harris角点检测的线弧分离
   5.4.2 基于哈夫变换的线弧分离
  5.5 角度测量
  习题与实验
  参考文献
第6章 缺陷检测技术
  6.1 缺陷检测的分类方法
  6.2 瑕疵缺陷检测
   6.2.1 瑕疵缺陷图像的特点
   6.2.2 瑕疵缺陷检测算法
   6.2.3 应用实例
  6.3 划痕检测
   6.3.1 划痕图像的特点
   6.3.2 划痕检测算法
   6.3.3 应用实例
  6.4 焊点检测与分类方法
   6.4.1 PCB焊点的分类
   6.4.2 焊点检测与分类算法
   6.4.3 应用实例
  习题与实验
第7章 模式识别技术
  7.1 字符识别
   7.1.1 印刷体字符识别
   7.1.2 手写体字符识别算法
  7.2 条码识别
   7.2.1 条码技术
   7.2.2 一维条码识别
   7.2.3 二维条码识别
  7.3 车牌识别
   7.3.1 车牌图像预处理
   7.3.2 车牌字符分割与识别
  7.4 工件识别
   7.4.1 工件识别方法
   7.4.2 识别实例
  7.5 医学图像识别
   7.5.1 血管识别
   7.5.2 细胞识别
  习题与实验
  参考文献
第8章 图像融合技术
  8.1 图像融合分类
   8.1.1 像素级图像融合
   8.1.2 特征级图像融合
   8.1.3 决策级图像融合
  8.2 图像融合算法
   8.2.1 基本图像融合算法
   8.2.2 金字塔图像融合算法
   8.2.3 小波变换图像融合算法
  8.3 图像融合的评价标准
   8.3.1 主观评价标准
   8.3.2 客观评价标准
  8.4 图像融合应用
   8.4.1 多光照图像融合
   8.4.2 多聚焦图像融合
   8.4.3 异质图像融合
  习题与实验
  参考文献
第9章 目标跟踪技术
  9.1 检测与跟踪的关系
  9.2 运动目标检测
   9.2.1 相邻帧间差分算法
   9.2.2 背景差分算法
  9.3 运动目标跟踪
   9.3.1 特征匹配搜索算法
   9.3.2 均值漂移算法
   9.3.3 目标遮挡跟踪算法
  9.4 运动目标跟踪实例
   9.4.1 无遮挡目标跟踪实例
   9.4.2 有遮挡目标跟踪实例
  习题与实验
  参考文献
第10章 三维重构技术
  10.1 三维重构技术分类
  10.2 三维重构的基本概念
   10.2.1 辐射度
   10.2.2 目标表面朝向
   10.2.3 反射类型与反射模型
  10.3 SFS三维重构算法
   10.3.1 基于混合反射模型的SFS算法（AHRM）
   10.3.2 AHRM算法实例分析
   10.3.3 基于透视成像模型的SFS算法（APM）
   10.3.4 APM算法的实例分析
   10.3.5 SFS三维重构变分算法
   10.3.6 变分算法实例分析
  10.4 光度立体学
   10.4.1 光度立体视觉法
   10.4.2 算法实例
  习题与实验
  参考文献
第11章 深度学习技术
  11.1 深度学习概述
  11.2 深度学习的基本概念
   11.2.1 神经网络基础
   11.2.2 深度学习的损失函数
   11.2.3 深度学习中的激活函数
   11.2.4 基于梯度下降的学习
   11.2.5 深度学习的正则化
  11.3 卷积神经网络
   11.3.1 卷积层
   11.3.2 池化层
   11.3.3 全连接层
  11.4 经典的深度神经网络
   11.4.1 LeNet网络
   11.4.2 AlexNet网络
   11.4.3 VGGNet网络
   11.4.4 GoogLeNet网络
   11.4.5 ResNet网络
  习题与实验
  参考文献
第12章 深度学习技术在机器视觉中的应用
  12.1 常见的深度学习框架简介
  12.2 基于深度学习的目标检测
   12.2.1 常用的目标检测数据集介绍
   12.2.2 目标检测步骤
   12.2.3 Two stage算法
   12.2.4 One stage算法
  12.3 基于深度学习的图像分割算法
   12.3.1 语义分割
   12.3.2 实例分割
  12.4 基于深度学习的图像识别
   12.4.1 基于深度学习的人脸识别
   12.4.2 基于深度学习的掌纹识别技术
  12.5 基于深度学习的图像生成
   12.5.1 图像融合
   12.5.2 图像风格迁移
  习题与实验
  参考文献