HALCON编程及工程应用(第二版)

第1章 机器视觉和HALCON机器视觉软件 1 1.1 机器视觉 1 1.1.1 机器视觉简介 1 1.1.2 机器视觉关键技术与发展 2 1.1.3 机器视觉工程应用 6 1.2 HALCON简介 8 1.2.1 HDevelop简介 8 1.2.2 HALCON功能及应用简介 10 本章小结 12 习题 12 第2章 HALCON数据结构 13 2.1 HALCON图像 13 2.1.1 图像分类 13 2.1.2 图像通道 13 2.2 HALCON区域 18 2.2.1 区域的初步介绍 18 2.2.2 区域的点线 27 2.2.3 区域行程 36 2.2.4 区域特征 39 2.3 HALCON XLD轮廓 47 2.3.1 XLD的初步介绍 47 2.3.2 XLD的数据结构分析 50 2.3.3 XLD的特征分析 54 2.3.4 XLD的回归参数 59 2.4 句柄 61 2.5 数组 62 本章小结 65 习题 65 第3章 HALCON图像采集 67 3.1 图像采集硬件 67 3.1.1 工业相机 67 3.1.2 镜头 73 3.1.3 光源 80 3.2 图像采集算子 87 3.2.1 工业相机连接 87 3.2.2 同步采集 89 3.2.3 异步采集 91 3.3 图像采集助手 92 3.4 HALCON图像读取、显示和转换 96 3.4.1 HALCON图像读取 96 3.4.2 HALCON图像显示 99 3.4.3 HALCON图像转换 101 本章小结 104 习题 104 第4章 HALCON图像预处理 105 4.1 灰度变换 105 4.1.1 灰度变换的基础知识 105 4.1.2 线性灰度变换 105 4.1.3 分段线性灰度变换 108 4.1.4 非线性灰度变换 110 4.2 直方图处理 114 4.2.1 灰度直方图的定义和性质 114 4.2.2 直方图均衡化 117 4.2.3 直方图规定化 122 4.3 图像几何变换 123 4.3.1 图像几何变换的一般表达式 123 4.3.2 仿射变换 125 4.3.3 投影变换 129 4.3.4 灰度插值 130 4.3.5 基于HALCON的图像校正 132 4.4 图像的平滑 135 4.4.1 图像噪声 135 4.4.2 局部统计法 136 4.4.3 空域平滑法 137 4.4.4 中值滤波 140 4.4.5 频域低通滤波 142 4.5 图像的锐化 147 4.5.1 一阶微分算子法 148 4.5.2 拉普拉斯算子法 152 4.5.3 高通滤波法 154 4.6 图像的彩色增强 158 4.6.1 真彩色增强 159 4.6.2 伪彩色增强 159 4.6.3 假彩色增强 161 本章小结 162 习题 162 第5章 HALCON图像分割 164 5.1 阈值分割 164 5.1.1 实验法 164 5.1.2 根据直方图谷底确定阈值法 165 5.1.3 迭代选择阈值法 167 5.1.4 *大类间方差法 168 5.2 边缘检测 170 5.2.1 边缘检测概述 170 5.2.2 边缘检测原理 171 5.2.3 边缘检测方法的分类 172 5.2.4 边缘检测典型算子 172 5.2.5 Hough变换 183 5.3 区域分割 188 5.3.1 区域生长法 188 5.3.2 区域分裂与合并法 190 5.3.3 分水岭分割法 192 本章小结 197 习题 197 第6章 HALCON数学形态学与Blob分析 198 6.1 数学形态学基础 198 6.2 二值图像的基本形态学运算 200 6.2.1 腐蚀 200 6.2.2 膨胀 203 6.2.3 开运算和闭运算 205 6.2.4 击中/击不中变换 210 6.3 二值图像的HALCON形态学应用 211 6.3.1 边界提取 211 6.3.2 孔洞填充 213 6.3.3 骨架 215 6.4 Blob分析 217 6.4.1 Blob分析相关理论 217 6.4.2 Blob分析相关算子 218 6.4.3 Blob分析例程 219 6.5 数学形态学工程应用 222 6.5.1 数学形态学工程应用背景 222 6.5.2 数学形态学工程应用案例 223 本章小结 225 习题 225 第7章 HALCON图像匹配 226 7.1 基于像素的匹配 226 7.1.1 归一化积相关灰度匹配 226 7.1.2 序贯相似性检测算法匹配 228 7.2 基于特征的匹配 233 7.2.1 不变矩匹配法 233 7.2.2 距离变换匹配算法 235 7.2.3 *小均方误差匹配算法 237 7.3 图像金字塔 241 7.4 Matching助手 245 本章小结 250 习题 250 第8章 HALCON图像测量 251 8.1 机器视觉与测量 251 8.1.1 基于机器视觉的测量原理 251 8.1.2 机器视觉在测量领域的优势 252 8.2 HALCON一维测量 252 8.2.1 一维测量过程 252 8.2.2 模糊测量 256 8.2.3 一维测量典型相关算子 257 8.2.4 一维测量实例 262 8.3 HALCON二维测量 264 8.3.1 区域处理 264 8.3.2 轮廓处理 266 8.3.3 几何运算 271 8.3.4 二维测量例程 271 8.4 HALCON三维测量 275 8.4.1 双目立体视觉测量 275 8.4.2 激光三角测量 286 8.5 HALCON测量助手 298 本章小结 303 习题 303 第9章 HALCON其他应用 304 9.1 HALCON条形码识别技术 304 9.1.1 一维条形码 304 9.1.2 二维条形码 308 9.2 HALCON图像拼接技术 312 9.2.1 图像拼接技术概述 312 9.2.2 HALCON图像拼接相关算子 314 9.2.3 HALCON图像拼接实例 316 9.3 基于HALCON的支持向量机（SVM）技术 319 9.3.1 基于区域特征的SVM分类 321 9.3.2 基于Laws纹理特征的SVM分类 325 本章小结 331 习题 331 第10章 HALCON标定方法 332 10.1 标定简介 332 10.2 标定理论 333 10.2.1 坐标系的转换 333 10.2.2 标定的相机参数 336 10.3 HALCON标定流程 337 10.3.1 相机参数确定 337 10.3.2 HALCON标定板规格 338 10.3.3 生成标定板 339 10.4 HALCON标定助手 342 10.4.1 标定注意事项 342 10.4.2 HALCON标定助手标定过程 345 10.5 标定应用例程之二维测量 349 本章小结 356 习题 357 第11章 HALCON工程应用与混合编程 358 11.1 成捆棒材复核计数系统 358 11.1.1 工程背景 358 11.1.2 算法的开发 359 11.1.3 HALCON与C#混合编程 360 11.1.4 HALCON与C#混合编程的特点 377 11.2 弹簧卡箍检测系统 378 11.2.1 工程背景 378 11.2.2 算法的开发 379 11.2.3 HALCON与C++混合编程 386 11.2.4 HALCON与C++混合编程的特点 404 本章小结 404 习题 404 参考文献 406