机器视觉——使用HALCON描述与实现

《机器视觉——使用HALCON描述与实现》详细阐述机器视觉原理、方法, 以及算法的应用，实例丰富、图文并茂, 辅以丰富资源（图片、代码、工程文件、HALCON20.05版本的安装视频、QT在线安装视频），提供完善的课程支持服务，帮助读者全面、深入地了解机器视觉算法和HALCON的实现方式，实现工业机器视觉图像分析应用的快速开发。

随着工业4.0的普及, 机器视觉越来越流行, 越来越多的机器代替人类从事重复性工作, 人机协调共同工作的需求产生, HALCON作为机器视觉中优秀的算法库, 因其高效性、 易用性、 可查阅性而得到广泛的应用。

《机器视觉——使用HALCON描述与实现》针对机器视觉原理、 方法, 以及算法的应用进行探讨和说明, 并 进行实例分析, 图文并茂, 让读者全面、 深入地了解机器视觉算法和HALCON的实现方式。通过具体的实例, 可以提高读者对于实际项目的开发能力;同时也为机器视觉项目管理者提供项目技术参考。

《机器视觉——使用HALCON描述与实现》适合需要系统学习机器视觉的初学者、 希望掌握HALCON算法库的程序员、 需要了解机器视觉基础知识的项目开发管理者、 专业培训机构的学员, 以及对机器视觉感兴趣的人士参考阅读。

杜斌，现担任某公司机器视觉实战项目研发主管，专注于机器视觉HALCON领域的前沿算法研究。目前担任网易云课堂“HALCON视频教程图像分析实战完整”等视频课程的主讲教师，帮助学员快速掌握机器视觉HALCON知识，广受好评。

　　★随着人工智能时代的到来，诸如“无人智能驾驶”“人工智能机器人”“智能监控系统”“火星探测器”等人工智能的应用，无一不例外地得益于机器视觉的快速发展。机器视觉软件擅长对图像进行智能处理，在整个机器视觉系统中有着举足轻重的地位。该书介绍了在机器视觉领域运用非常广泛的机器视觉软件HALCON来实现和描述机器视觉。
　　该书源于网易云课堂“HALCON视频教程图像分析实战完整”视频课程的授课讲师的持续总结和提炼，该课程已获得一些学员的好评。该书特别适合对机器视觉感兴趣的零基础读者，同时也有助于对机器视觉基础的巩固和提高。书中运用大量的实际案例，详细介绍了机器视觉软件HALCON的算法和运用技巧，实用性强，易于快速学习和掌握，值得品读。
　　——KipyZhang外星眼机器视觉创始人
　　
　　★HALCON是由德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境，便于机器视觉、医学图像和图像分析应用的快速开发。凡是用得到图像处理的地方，就可以用HALCON强大的计算分析能力来完成图像处理的工作。该书对于学习机器视觉的爱好者有相当大的帮助作用，注重实战案例，同步提供代码和工程文件，使得读者学习起来更加轻松，易于快速掌握这款应用广泛的图像处理机器视觉软件。该书对于HALCON算法应用内容的讲解全面而详细，对于HALCON实际应用技巧的阐述别具一格，助力读者熟练掌握HALCON的实际运用。对于读者夯实HALCON理论知识，并融会贯通地应用到实际机器视觉项目实战中有很大的帮助。对算法有待更深入了解的读者也可把该书作为及时、有效的供查阅的工具书。
　　——Empty外星眼机器视觉讲师
　　
　　★“该书知识体系结构化程度很高，逻辑严谨，讲解详细，思路清晰，适合零基础的同学入门，也适合有基础的同学进行巩固提高！满满的都是干货和经验！”
　　——网易云课堂学员

基础篇

第1章数字图像处理基础

1．1数字图像

1．1．1图像数字化

1．1．2黑白图像

1．1．3彩色图像

1．1．4图像噪声

1．2图像的参数

1．2．1分辨率

1．2．2深度

1．2．3通道数

1．2．4数据类型

1．3数字图像的压缩

1．3．1图像压缩的原理

1．3．2有损压缩和无损压缩

1．3．3图像压缩的评价

1．3．4常用的压缩方式

1．4数字图像格式

1．4．1BMP文件

1．4．2PNG文件

1．4．3JPEG文件

1．4．4JP2文件

1．4．5JXR文件

1．4．6TIFF文件

1．4．7HOBJ文件

第2章HALCON的预备环境

2．1HALCON安装环境

2．1．1硬件环境

2．1．2软件环境

2．2HALCON的安装

2．2．1安装包下载

2．2．2HALCON安装

2．3HALCON界面介绍

2．3．1欢迎界面

2．3．2主界面

第3章HALCON语法

3．1变量的创建与赋值

3．2if语句

3．3for循环语句

3．4中断语句

3．5while循环语句

3．6switch语句

第4章HALCON的数据结构

4．1图像

4．2区域

4．2．1区域的存储

4．2．2连通区域

4．3亚像素轮廓(XLD)

4．3．1亚像素轮廓介绍

4．3．2亚像素轮廓的数据结构

4．4数组

4．4．1数组的赋值与创建

4．4．2数组的存储与读取

4．5字典

4．5．1字典介绍

4．5．2字典的创建和操作

4．6句柄

算法篇

第5章图像的获取

5．1硬件采集

5．1．1硬件

5．1．2相机接口

5．1．3HALCON相机驱动

5．1．4HALCON图像的采集过程

5．1．5HALCON相机助手

5．2文件读取

5．2．1通过读取图像助手读取图像

5．2．2通过代码读取图像

5．3图像生成

第6章图像的预处理

6．1图像的运算

6．1．1加法运算

6．1．2减法运算

6．1．3乘法运算

6．1．4除法运算

6．2仿射变换

6．3图像平滑

6．3．1高斯滤波

6．3．2均值滤波

6．3．3中值滤波

6．3．4多图像均值

6．4边缘滤波

6．4．1索贝尔滤波

6．4．2凯尼滤波

6．5图像锐化

6．5．1索贝尔锐化

6．5．2拉普拉斯锐化

6．5．3高通滤波锐化

6．5．4几种锐化方法对比

6．6灰度变换

6．6．1线性灰度变换

6．6．2分段线性灰度变换

6．6．3非线性灰度变换

6．7傅里叶频域变换

6．7．1频域

6．7．2二维傅里叶变换

6．7．3频域滤波

第7章图像的标定

7．1标定原理

7．1．1透镜失真

7．1．2机器视觉坐标系

7．1．3机器视觉坐标系转换

7．2标定板介绍

7．2．1标定板的规格

7．2．2标定板的制作

7．3标定流程

7．4标定助手

7．4．1标定助手的开启

7．4．2标定助手介绍

7．5标定实例

第8章图像的分割

8．1阈值分割

8．2直方图自动阈值

8．2．1平滑直方图二分法

8．2．2最大类间方差法

8．3动态阈值

8．4区域生长

8．5分水岭分割

第9章图像的特征

9．1图像的区域灰度中心和面积

9．2区域灰度的等效椭圆

9．3图像的熵

9．4区域灰度的最大值和最小值

9．5直方图频率

第10章图像的匹配

10．1图像金字塔

10．2基于灰度值的匹配

10．2．1差值匹配

10．2．2相关性匹配

10．2．3基于灰度值匹配的实例

10．3基于形状匹配

10．4基于组件匹配

10．5基于局部形变匹配

10．6匹配的流程

10．7匹配助手

10．7．1匹配助手的启动

10．7．2匹配助手的窗口说明

第11章区域的变换

11．1形态学

11．1．1膨胀

11．1．2腐蚀

11．1．3开运算

11．1．4闭运算

11．1．5形态学梯度

11．1．6击中与击不中

11．1．7顶帽运算

11．1．8底帽运算

11．1．9区域骨骼

11．2区域填充

11．3区域裁切

11．4区域延伸

11．5分割边界区域

11．6区域形状转换

11．7区域排序

第12章区域特征提取与分析运算

12．1区域特征

12．2区域特征筛选

12．3区域分析运算

12．3．1区域运算

12．3．2区域的判断

第13章亚像素数据基础

13．1亚像素数据的说明

13．2亚像素数据的创建

第14章亚像素数据的转换和分割

14．1亚像素数据的裁切

14．2亚像素数据的闭合

14．3亚像素数据的排序

14．4亚像素数据的转换

14．5亚像素数据的平滑

14．6亚像素数据的分割

14．7亚像素数据的直线连接

14．8亚像素数据的圆弧合并

14．9亚像素数据轮廓的合并

第15章亚像素数据的特征提取与分析运算

15．1亚像素数据的本体类型

15．2亚像素数据的状态

15．3亚像素数据的特征

15．3．1圆度

15．3．2紧密度

15．3．3凸性

15．3．4椭圆度、不均匀性和结构因子

15．3．5最大距离

15．3．6轮廓长度

15．3．7轮廓点数

15．3．8角度

15．4亚像素数据的分析

15．4．1亚像素数据的特征筛选

15．4．2亚像素数据的运算

15．4．3亚像素数据的判断

第16章亚像素数据的拟合

16．1直线拟合

16．2圆拟合

16．3椭圆拟合

第17章图像处理结果的表述和绘制

17．1图形窗口

17．2绘制对象

17．2．1绘制区域

17．2．2绘制亚图像数据

17．2．3绘制文字

第18章数组的应用

18．1字符串的处理

18．1．1字符串的合并

18．1．2字符串的分割

18．1．3字符串的插入

18．1．4字符串的删除

18．1．5字符串的替换

18．1．6字符串的交集

18．1．7字符串的筛选

18．1．8字符串的查询

18．2数组的操作

18．2．1数组的创建

18．2．2数组排序

18．2．3删除数组元素

18．2．4插入数组元素

18．2．5修改数组元素

18．2．6查询数组元素

18．2．7数组元素的选择

18．2．8去除相邻重复的数组元素

18．2．9数组的运算

18．2．10判断数组元素是否相同

18．2．11数组的保存和读取

18．3数学函数

18．3．1三角函数

18．3．2取整

18．3．3角度的换算

18．3．4四则运算

18．3．5绝对值

18．3．6余数

18．3．7次方

18．3．8对数

18．3．9最大值和最小值

18．3．10计算元素正负号

实战篇

第19章HALCON实例与算法

19．1二维码识别

19．1．1二维码介绍

19．1．2二维码的定位与解码

19．1．3HALCON二维码实例

19．2一维码识别

19．2．1一维码介绍

19．2．2一维码定位与解码

19．2．3HALCON一维码读取实例

19．3光学字符识别

19．4识别飞行时间成像三维物体

19．5立体3D测量

19．6对焦测距

19．7图像拼接

第20章HALCON联合开发

20．1HALCON与VB联合编程——计数

20．2HALCON与C#联合编程——测量

20．3HALCON与C++、MFC联合编程——缺陷检测

20．4HALCON与C++、Qt联合编程——定位

参考文献

前言

“中国制造2025”迎来了前所未有的机遇，在这种情况下，中国制造只有加快步伐，完善自身建设，同时更要加强“中国智造”，才能抵御外界的强烈冲击。智能制造绝不仅仅是工业化和自动化这么简单，还需要给客户提供高附加值的服务，这也是未来工业发展的大趋势和助推器。

随着中国自动化技术迅猛发展，人们对于机器视觉的认识更加深刻，对它的看法也发生了很大的转变。机器视觉系统提高了工业生产的自动化程度，让不适合人工作业的危险工作在机器视觉的辅助下得以顺利进行，让大批量、高速度、持续生产变成现实，大大提高了工业生产效率和工业产品精度，节省了人力成本。

机器视觉技术通过工业相机镜头快速获取图像信息，并运用系统软件程序自动处理图像信息，为工业生产的信息快速集成提供了方便。随着机器视觉技术的成熟与发展，其应用范围更加广泛，包括新一代信息技术产业、高级数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、农机装备、新材料和生物医药及高性能医疗器械等。在应用如此广泛前景下，市场对于机器视觉领域人才的渴求愈加强烈。

怎样更高效地学习机器视觉技术成为人们关心的问题。作为一名机器视觉领域的一线软件工程师，我已掌握工业自动化智能发展领域实际机器视觉软件应用技术，成为“网易云课堂”签约讲师，并且制作了“HALCON视频教程图像分析实战”这门视频课程。课程一经上线，荣获众多志同道合人士的好评，本书是继该课程之后的又一提炼和升华之佳作。在此特别感谢清华大学出版社的编辑对本书出版的倾力支持。

本书采用简单易懂的语言讲解复杂的理论，非常适合HALCON入门学习以及后续提高，读者研读本书后就可轻松掌握HALCON技术，提高职业技能； 其中的实战案例让你更快、更精准地掌握HALCON实际使用技巧。

人工智能正促进着科学技术的改变和发展，“中国制造2025”的时代发展趋势将推动机器视觉技术走进每一个智能产品。本书浓缩了作者对于HALCON技术的积累和沉淀，值得广大机器视觉爱好者及从业人员阅读和收藏。

杜斌

2021年2月