本书从计算机视觉、光学成像基础、人眼视觉的基本概念出发，全面系统地阐述视觉测量的硬件系统、基础理论、关键技术、实用算法以及应用案例。全书共10章，第1～3章介绍视觉测量相关概念、光学基础与人眼视觉、视觉测量硬件系统，内容涉及光学、光电子学等学科知识，由此铺垫视觉测量所需基础理论；第4～5章介绍数字图像基础、图像变换，由此了解数字图像的属性、特性、代数运算以及图像处理中的数学基础；第6～8章介绍图像增强与复原、图像分割、图像特征分析，主要涉及视觉测量中基本的和常用的数字图像处理技术；第9～10章介绍摄像机标定、双目立体视觉测量，为二维和三维视觉测量奠定相关理论与技术基础。 本书既涵盖视觉测量的入门级知识，又包含从事视觉测量工程实践的实用技术，读者即使不具备相关知识背景也可以自成体系地进行学习。本书可作为普通高等院校测控技术与仪器、光电信息工程、机械电子工程、机器人工程、智能制造工程、自动化等专业本科生的教学用书，也可供从事相关专业的科研技术人员学习参考。

第1章 绪论
1.1 计算机视觉
1.1.1 计算机视觉的概念
1.1.2 计算机视觉的发展
1.1.3 计算机视觉的应用
1.1.4 计算机视觉研究面临的问题
1.2 相关学科介绍
1.2.1 图像处理
1.2.2 计算机图形学
1.2.3 模式识别
1.2.4 人工智能
1.2.5 人工神经网络
1.3 视觉测量技术
1.3.1 视觉测量技术分类
1.3.2 视觉测量系统的组成
1.3.3 视觉测量的流程
1.4 视觉测量技术特点及应用
思考与练习
第2章 光学基础与人眼视觉
2.1 电磁波谱
2.2 辐射度量与光度量
2.2.1 辐射度量
2.2.2 光度量
2.2.3 辐射度量与光度量之间的关系
2.3 色度学基础与颜色模型
2.3.1 色度学的基本概念
2.3.2 三基色原理
2.3.3 颜色模型
2.4 光学成像基本原理
2.5 人眼的生理构造及功能
2.6 人眼的视觉过程
2.6.1 光学过程
2.6.2 化学过程
2.6.3 神经处理过程
2.7 人眼视觉特性
2.7.1 视觉的空间特性
2.7.2 视觉的时间特性
2.7.3 视觉的心理物理学特性
思考与练习
第3章 视觉测量硬件系统
3.1 光源照明系统
3.1.1 光源照明系统的设计要求
3.1.2 光源的基本性能参数
3.1.3 照明光源类型及照明方式
3.2 镜头
3.2.1 镜头的分类
3.2.2 视场
3.2.3 光学倍率和数值孔径
3.2.4 景深
3.2.5 曝光量和光圈数
3.2.6 镜头的光学分辨率
3.2.7 镜头的选择
3.3 光电成像器件
3.3.1 光电成像器件的发展
3.3.2 CCD图像传感器
3.3.3 CMOS图像传感器
3.4 数字化设备
3.5 处理器
3.6 成像系统常用参数术语
3.7 成像系统分辨率的表示和影响因素
思考与练习
第4章 数字图像基础
4.1 图像的产生
4.2 数字图像
4.2.1 图像的数字化
4.2.2 数字图像的表示
4.2.3 计算机中的图像文件格式
4.3 图像分类
4.3.1 二值图像
4.3.2 灰度图像
4.3.3 RGB图像
4.3.4 索引图像
4.3.5 多帧图像
4.4 图像文件的操作
4.4.1 图像文件的读取
4.4.2 图像文件的保存
4.4.3 图像文件的显示
4.5 图像的统计特性
4.5.1 灰度直方图
4.5.2 联合直方图
4.5.3 熵和联合熵
4.5.4 其他统计特征
4.6 图像的代数运算
4.6.1 图像相加
4.6.2 图像相减
4.6.3 图像相乘
4.6.4 图像相除
思考与练习
第5章 图像变换
5.1 图像投影和拉东变换
5.1.1 二值图像的投影
5.1.2 拉东变换
5.2 傅里叶变换
5.2.1 傅里叶级数
5.2.2 傅里叶变换的定义
5.2.3 二维离散傅里叶变换的性质
5.3 极坐标变换
5.3.1 极坐标变换原理及应用
5.3.2 傅里叶-极坐标变换
5.4 霍夫变换
5.4.1 霍夫变换用于直线检测
5.4.2 霍夫变换用于圆形轮廓检测
5.4.3 广义霍夫变换
5.5 霍特林变换
思考与练习
第6章 图像增强与复原
6.1 图像质量评价
6.2 灰度变换
6.2.1 线性灰度变换
6.2.2 非线性灰度变换
6.3 直方图均衡化
6.4 空域平滑
6.4.1 均值滤波
6.4.2 中值滤波
6.4.3 边缘保持滤波算法
6.5 空域锐化
6.6 频域滤波
6.6.1 频域滤波基础
6.6.2 低通滤波
6.6.3 高通滤波
6.6.4 带阻滤波
6.6.5 同态滤波
6.7 彩色增强
6.7.1 假彩色增强
6.7.2 伪彩色增强
6.7.3 彩色图像增强
6.8 图像复原
6.8.1 图像退化的原因
6.8.2 图像退化模型
6.8.3 噪声模型
6.8.4 退化函数估计
6.8.5 逆滤波复原
6.8.6 维纳滤波
6.8.7 几何失真图像校正
思考与练习
第7章 图像分割
7.1 图像分割的概念
7.2 边缘检测
7.2.1 一阶导数算子
7.2.2 二阶导数算子
7.2.3 基于边缘跟踪的边缘检测方法
7.3 阈值分割
7.3.1 双峰法
7.3.2 Otsu算法
7.3.3 最大熵法
7.3.4 迭代阈值法
7.4 区域分割
7.4.1 区域生长法
7.4.2 分水岭分割法
7.5 数学形态学处理
7.5.1 基本的数学形态学运算
7.5.2 二值图像的数学形态学处理
7.5.3 灰度图像的数学形态学处理
7.6 运动目标分割
7.6.1 背景差值法
7.6.2 帧间差分法
7.6.3 三帧差分法
思考与练习
第8章 图像特征分析
8.1 点特征的描述
8.1.1 Moravec角点检测算法
8.1.2 SUSAN角点检测算法
8.1.3 Harris角点检测算法
8.2 纹理特征的描述
8.2.1 灰度差分统计
8.2.2 自相关函数
8.2.3 灰度共生矩阵
8.2.4 傅里叶变换