Технология машинного зрения. Составил Чэнь Бинци 9787122313126.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Книга «Технологии машинного зрения» под редакцией Чэнь Бинци имеет следующие характеристики.
1. Объясните состав машинного зрения, методов обработки изображений и примеров применения из двух аспектов теории машинного зрения, алгоритмов и практических систем применения машинного зрения.
2. Случаи, упомянутые в книге, поступают из производственной практики и были проверены практическими приложениями.
3. Объясните сложные теоретические алгоритмы с простыми и изображениями и текстовыми методами, и каждый алгоритм дает фактические случаи обработки.
4. Эта книга объединяет большинство существующих популярных алгоритмов для обработки изображений.
Предыдущая статья Теория видения и алгоритмы
Глава Машинное зрение / 2
1.1 Роль машинного зрения / 2
1.2 Аппаратный состав машинного зрения / 3
1.2.1 Компьютер /4
1.2.2 Оборудование для получения изображений / 6
1.3 Программное обеспечение и инструменты программирования для машинного зрения / 7
1.4 Машинное зрение, роботы и интеллектуальное оборудование / 8
1.5 Функции и точность машинного зрения / 9
Глава 2 Обработка изображений / 12
2.1 Разработка процесса обработки изображений / 12
2.2 Отбор проб и количественная оценка цифровых изображений / 18
2.3 Цветные изображения и изображения в оттенках серого / 20
2.4 Форматы файлов изображений и видеофайлов / 22
2.5 Компьютерное представление цифровых изображений / 23
2.6 Часто используемые алгоритмы обработки изображений и проблемы их универсальности / 24
Референции / 25
Глава 3. Извлечение цели / 26
3.1 Как извлечь целевые объекты / 26
3.2 Извлечение цели на основе порогового значения / 26
3.2.1 Обработка бинаризации / 26
3.2.2 Определение порога / 27
3.3 Извлечение цели на основе цвета / 30
3.3.1 Оттенок, яркость, насыщенность и другие / 30
3.3.2 Цветовые компоненты и их комбинационная обработка / 33
3.4 Извлечение цели на основе разницы / 38
3.4.1 Межкадровая разница / 38
3.4.2 Разница в фоне / 39
Референции / 40
Глава 4. Обнаружение границ / 42
4.1 Обработка краев и изображений / 42
4.2 Обнаружение края на основе дифференциала / 44
4.3 Обнаружение кромок на основе сопоставления шаблонов / 45
4.4 Бинаризационная обработка краевых изображений / 47
4.5 Обработка тонких линий / 48
4.6 Алгоритм Канни / 48
Рекомендации / 52
Глава 5. Обработка сглаживания изображения / 53
5.1 Шум изображения и распространенные методы сглаживания / 53
5.2 Скользящее среднее /54
5.3 Медианный фильтр / 54
5.4 Фильтр Гаусса / 56
5.5 Уточнение размытых изображений / 59
5.5.1 Повышение контрастности / 59
5.5.2 Автоматическое повышение контрастности / 61
5.5.3 Выравнивание гистограммы / 63
5.5.4 Обработка предшествующего метода устранения запотевания темного канала / 65
5.6 Сглаживание бинарных изображений / 67
Ссылки/ 69
Глава 6. Обнаружение геометрических параметров / 70
6.1 Автоматическое распознавание по признакам изображения / 70
6.2 Характеристические параметры бинарных изображений / 70
6.3 Маркировка региона / 73
6.4 Извлечение объектов по параметрам объектов / 74
6.5 Устранение шума на основе характеристических параметров / 75
Рекомендации / 76
Глава 7 Преобразование Хафа / 77
7.1 Обнаружение прямой линии с использованием традиционного преобразования Хафа / 77
7.2 Обнаружение прямой линии посредством преобразования Хафа известных точек / 79
7.3 Обнаружение кривой с помощью преобразования Хафа / 81
Рекомендации / 81
Глава 8 Геометрические преобразования / 82
8.1 О геометрических преобразованиях / 82
8.2 Увеличение/уменьшение масштаба / 83
8.3 Перевод / 87
8.4 Вращение / 87
8.5 Сложная деформация / 88
8.6 Однородное координатное представление / 90
Рекомендации / 91
Глава 9. Измерение монокулярного зрения / 92
9.1 Состав оборудования / 92
9.2 Модель камеры / 93
9.2.1 Базовая система координат / 94
9.2.2 Анализ модели камеры / 95
9.3 Калибровка камеры / 97
9.4 Проверка калибровочной линейки / 98
9.4.1 Позиционирование и отслеживание начальной точки / 98
9.4.2 Обнаружение синей и желтой границы / 100
9.4.3 Определение координат угловой точки / 102
9.4.4 Расчет матрицы гомографии / 103
9.5 Анализ результатов калибровки / 103
9.6 Автоматическое обнаружение точек идентификации / 104
9.7 Ручной выбор цели / 110
9.8 Анализ измерения расстояния / 110
9.8.1 Влияние перспективного искажения на точность измерения расстояний / 110
9.8.2 Влияние расстояния между целевой точкой и точкой калибровки на точность измерения дальности /112
9.9 Алгоритм измерения площади / 113
9.9.1 Получите набор точек контура измеряемой площади / 113
9.9.2 * Малый выпуклый многоугольник / 114
9.9.3 Расчет площади полигона / 115
9.9.4 Примеры измерений / 116
Рекомендации / 117
Глава 0. Измерение бинокулярного зрения / 118
10.1 Строение системы бинокулярного зрения / 118
10.1.1 Модель параллельного стереозрения / 119
10.1.2 Модель конвергентного стереозрения / 120
10.2 Калибровка камеры / 122
10.2.1 Метод прямой линейной калибровки / 123
10.2.2 Метод калибровки Чжан Чжэнъю / 124
10.2.3 Преобразование параметров камеры и матрицы проекции / 128
10.3 Калибровочно-измерительный тест / 129
10.3.1 Испытание метода прямой линейной калибровки / 130
10.3.2 Проверка метода калибровки Чжан Чжэнъю / 131
10.3.3 Трехмерное измерение / 134
Рекомендации / 135
Глава 1. Обработка движущихся изображений / 136
11.1 Метод оптического потока / 136
11.1.1 Основные понятия метода оптических потоков / 136
11.1.2 Принцип использования оптического метода сопровождения цели / 137
11.2 Сопоставление шаблонов / 138
11.3 Примеры обработки движущегося изображения/139
11.3.1 Обнаружение изображений навыков и тактики бадминтона в реальном времени / 139
11.3.2 Анализ танцевального поведения пчел / 145
Рекомендации / 154
Глава 2 Преобразование Фурье / 155
12.1 Мир частоты / 155
12.2 Преобразование частоты / 156
12.3 Дискретное преобразование Фурье / 159
12.4 Двумерное преобразование Фурье изображения / 161
12.5 Обработка фильтра / 162
Ссылки/ 163
Глава 3 Вейвлет-преобразование / 164
13.1 Обзор вейвлет-преобразования / 164
13.2 Вейвлет и вейвлет-преобразование / 165
13.3 Дискретное вейвлет-преобразование / 167
13.4 Семейство вейвлетов / 167
13.5 Разложение и реконструкция сигнала / 168
13.6 Вейвлет-преобразование при обработке изображений / 175
13.6.1 Двумерное дискретное вейвлет-преобразование / 175
13.6.2 Программирование вейвлет-преобразования изображения / 177
Референции / 179
Глава 4 Распознавание образов / 180
14.1 Понятие распознавания образов и распознавания изображений / 180
14.2 Состав системы распознавания изображений / 181
14.3 Взаимосвязь между распознаванием изображений, обработкой изображений и пониманием изображений / 182
14.4 Метод распознавания изображений / 183
14.4.1 Метод сопоставления шаблонов / 183
14.4.2 Статистическое распознавание образов / 183
14.4.3 Новый метод распознавания образов / 187
14.5Система распознавания изображений лица/189
Рекомендации / 192
Глава 5 Нейронная сеть / 193
15.1 Искусственная нейронная сеть / 193
15.1.1 Биологические основы искусственных нейронных сетей / 194
15.1.2 Искусственные нейроны / 195
15.1.3 Обучение искусственных нейронов / 195
15.1.4 Функция активации искусственных нейронов / 196
15.1.5 Характеристики искусственных нейронных сетей / 197
Нейросеть 15,2 БП / 198
15.2.1 Введение в нейронную сеть БП / 198
15.2.2 Обучение и обучение нейросети БП/200
15.2.3 Улучшенная нейросеть БП / 202
15.3 Применение нейронной сети БП в распознавании цифровых символов / 203
15.3.1 Принцип работы нейросетевой системы распознавания цифровых символов БП / 204
15.3.2 Создание сетевой модели / 205
15.3.3 Демонстрация распознавания числовых символов / 207
Референции / 209
Глава 6 Глубокое обучение / 210
16.1 История развития глубокого обучения / 210
16.2 Основные идеи глубокого обучения / 212
16.3 Мелкое и глубокое обучение / 212
16.4 Глубокое обучение и нейронные сети / 213
16.5 Процесс обучения глубокому обучению / 214
16.6 Распространенные методы глубокого обучения / 215
16.6.1 Автоэнкодер / 215
16.6.2 Разреженное кодирование / 218
16.6.3 Ограниченная машина Больцмана / 220
16.6.4 Сеть глубокой веры / 222
16.6.5 Сверточная нейронная сеть / 225
16.7 Распознавание рукописных символов на основе сверточной нейронной сети / 228
16.7.1 Структура сверточной нейронной сети для распознавания рукописных символов / 228
16.7.2 Реализация сверточной нейронной сети распознавания текста / 231
Рекомендации / 231
Глава 7 Генетический алгоритм / 232
17.1 Обзор генетического алгоритма / 232
17.2 Простой генетический алгоритм / 234
17.2.1 Генетическая экспрессия / 234
17.2.2 Генетический оператор / 235
17.3 Генетические параметры / 238
17.3.1 Скорость кроссинговера и частота мутаций / 238
17.3.2 Другие параметры / 238
17.3.3 Определение генетических параметров / 238
17.4 Фитнес-функция / 239
17.4.1 Целевая функция отображается в функцию приспособленности / 239
17.4.2 Масштабное преобразование фитнес-функции / 240
17.4.3 Влияние дизайна фитнес-функции на GA / 241
17.5 Теорема о шаблонах / 242
17.5.1 Геометрическая интерпретация узоров / 244
17.5.2 Теорема о шаблонах / 246
17.6 Применение генетического алгоритма в распознавании образов / 248
17.6.1 Постановка задачи / 248
17.6.2 Способ применения ГА/250
17.6.3 Согласование бинокулярного зрения на основе GA/252
Ссылки/ 255
Следующая статья Машино -видение системы приложений
Глава 8 Общая система обработки изображений ImageSys/258
18.1 Введение в систему / 258
18.2 Окно состояния / 259
18.3 Получение изображения / 259
18.3.1 Прямое получение DirectX / 259
18.3.2 Получение изображения с камеры ПК VFW / 260
18.3.3 Получение карты аналого-цифрового изображения / 260
18.4 Обработка гистограмм / 261
18.4.1 Гистограмма / 261
18.4.2 Раздел линии / 261
18.4.3 3D-раздел / 262
18.4.4 График кумулятивного распределения / 263
18.5 Измерение цвета / 264
18.6 Преобразование цвета / 264
18.6.1 Преобразование яркости цвета / 264
18.6.2 Преобразование представления HSI / 265
18.6.3 Свободная трансформация / 265
18.6.4 Преобразование цвета RGB / 266
18.7 Геометрические преобразования / 266
18.7.1 Аффинное преобразование / 266
18.7.2 Перспективная трансформация / 267
18.8 Преобразование в частотной области / 267
18.8.1 Вейвлет-преобразование / 267
18.8.2 Преобразование Фурье / 268
18.9 Преобразование между изображениями / 270
18.9.1 Межизображительный расчет / 270
18.9.2 Коррекция движущегося изображения / 270
18.10 Улучшение фильтра / 271
18.10.1 Улучшение фильтра одного шаблона / 271
18.10.2 Улучшение многошаблонной фильтрации / 272
18.10.3 Обнаружение края Канни / 273
18.11 Сегментация изображения / 273
18.12 Бинарные операции / 274
18.12.1 Основные операции / 274
18.12.2 Специальная экстракция / 275
18.13 Измерение двоичного изображения / 276
18.13.1 Измерение геометрических параметров / 276
18.13.2 Измерение линейных параметров / 281
18.13.3 Круговое разделение / 281
18.13.4 Измерение контура / 281
18.14 Редактирование кадров / 282
18.15 Рисование / 283
18,16 Просмотров / 284
18.17 Документы / 284
18.17.1 Файлы изображений / 284
18.17.2 Мультимедийные файлы / 286
18.17.3 Редактирование мультимедийных файлов / 289
18.17.4 Добавить водяной знак / 290
18.18 Системные настройки / 291
18.18.1 Настройки системного фрейма / 291
18.18.2 Настройки языка системы / 292
18.19 Образец платформы разработки системы / 293
Рекомендации / 293
Глава 9 Система измерения и анализа двумерного движущегося изображения МИАС / 294
19.1 Обзор системы / 294
19.2 Документы / 295
19.3 Движущиеся изображения и калибровка 2D-масштаба / 296
19.4 Измерение движения / 298
19.4.1 Автоматическое измерение / 298
19.4.2 Ручное измерение / 301
19.4.3 Маркировочное измерение / 302
19.5 Просмотр результатов / 305
19.5.1 Видеопрезентация результатов / 305
19.5.2 Скорость позиции / 308
19.5.3 Смещение / 310
19.5.4 Расстояние между 2 точками / 311
19.5.5 Угол между двумя линиями / 311
19.5.6 Список схем подключения / 312
19.6 Коррекция результатов / 313
19.6.1 Ручная коррекция / 313
19.6.2 Сглаживание / 313
19.6.3 Интерполяция / 314
19.6.4 Преобразование координат кадра / 314
19.6.5 Измерение центра тяжести тела человека / 314
19.6.6 Настройка имеет значение / 315
19,7 Просмотров / 315
19.8 Измерение в реальном времени / 315
19.8.1 Измерение цели в реальном времени / 315
19.8.2 Идентификационные измерения в реальном времени / 316
19.9 Платформа разработки MSSample /316
Рекомендации / 317
Глава 20 Система анализа трехмерных измерений движения МИАС 3D | 318
20.1 Знакомство с системой МИАС 3D / 318
20.2 Документы / 319
20.3 Импорт 2D-результатов, 3D-калибровка и измерение / 319
20.4 Отображение результатов / 321
20.4.1 Видеоизображение / 322
20.4.2 Оценка очков / 323
20.4.3 Водоизмещение / 323
20.4.4 Расстояние между 2 точками / 324
20.4.5 Угол между двумя линиями / 325°
20.4.6 Обзор соединительных кабелей / 326
20.5 Коррекция результата /326
20.6 Прочие функции / 327
Ссылки/ 327
Глава 21 Система визуальной навигации автомобиля / 328
21.1 История развития и тенденции автономного вождения транспортных средств / 328
21.2 Аппаратное обеспечение системы визуальной навигации / 330
21.3 Программное обеспечение системы визуальной навигации / 331
21.4 Сравнение навигационных тестов и тестов производительности / 334
Индекс / 337
......Эта книга представляет состав машинного зрения, методов обработки изображений и примеров применения в двух статьях.
Первая часть“Теория и алгоритмы машинного зрения”В том числе: машинное зрение, обработка изображений, извлечение цели, обнаружение краев, сглаживание изображения, обнаружение геометрических параметров, преобразование Хафа, измерение монокулярного зрения, измерение бинокулярного зрения, обработка движущихся изображений, преобразование Фурье, вейвлет-преобразование, распознавание образов, нейронная сеть, глубокое обучение, генетический алгоритм.
Следующая статья“Прикладная система машинного зрения”В составе: система общей обработки изображений ImageSys, система измерения и анализа двумерного движения МИАС, система измерения и анализа трехмерного движения МИАС 3D, система визуальной навигации автомобиля.
Эта книга объединяет большинство существующих популярных алгоритмов для обработки изображений, объясняя сложные теоретические алгоритмы с простыми и изображениями и текстовыми методами.
Случаи, упомянутые в книге, поступают из производственной практики и были проверены практическими приложениями.
Эта книга подходит не только для обучения теории и практике машинного видения и обработки изображений, но также имеет важную справочную ценность для исследователей и профессионального технического персонала в этом основном и связанном с ним специальностях.
............