本书以HALCON为编程工具，介绍了各种图像处理方法的理论和工程应用实例，使读者能更好地学习和掌握HALCON编程技巧，完成图像处理技术的应用实践。
全书共11章，内容包括机器视觉和HALCON机器视觉软件、HALCON数据结构、HALCON图像采集、HALCON图像预处理、HALCON图像分割、HALCON数学形态学与Blob分析、HALCON图像匹配、HALCON图像测量、HALCON其他应用、HALCON标定方法、HALCON工程应用与混合编程等。书中每一章的末尾都配有适量的习题，以便读者加深对本章所述内容的理解。
本书内容翔实，难易程度适中，可作为高等学校电子信息工程、通信与信息工程、计算机科学与技术、控制科学与技术等专业本科生或研究生的教材，也可供图像处理、模式识别、人工智能、生物工程、医学成像等相关领域的科研人员和工程技术人员参考。
目前，图像处理技术已经应用到科学研究和日常生活的方方面面，并日益受到人们重视，在智能装备、航空航天、军事、医学、科学研究等许多领域发挥着越来越重要的作用。特别是在2020年11月24日，当“长征五号”成功将“嫦娥五号”送入地月转移轨道，开启中国首次地外天体采样返回之旅时， 无论是着陆地点的选择， 设备状态的控制， 还是故障的检测和故障的唤醒，
图像处理技术始终发挥了不可替代的作用。在生物医学工程领域，图像处理技术的应用也非常广泛，它已用于各种射线照片、超声影像、断层影像、内窥镜成像、核子扫描图像分析，便于医生对疾病进行快速、准确的诊断。图像处理技术的应用不胜枚举，且其所处理的工作很多都是人工难以完成的。
利用图像处理技术所取得的工作成果促使了图像处理技术向更高水平发展，数字图像处理技术正是在这种应用的迫切需要和自身的不断发展之中得到迅速发展的学科。未来，图像处理技术的发展及应用与人类的生活联系之紧密、影响之深远将是不可估量的。
本书第一版于2019年10月正式出版， 因其突出了理论与实际应用的有效结合，故出版后便受到广大同行的肯定和好评，被很多高校选为教材或教学参考书，取得了良好的社会效益。
随着数字图像处理技术的不断发展和广泛应用，作为图像处理技术课程的教材也必须跟上学科发展的要求。因此，作者在第一版的基础上，根据学科发展和教材使用后反馈的信息，对本书进行了全面修订。在修订过程中，本书保留了第一版的基本风格、基本框架和内容，重新组织编写了第1章（机器视觉和HALCON机器视觉软件）和第8章（HALCON图像测量），对第5章（HALCON图像分割）的部分内容和例程进行了调整，并修正了本书第一版各章节中出现的错误。
修订后的第二版结构合理、概念清晰、理论严谨、逻辑严密，内容上体现了系统性、科学性、应用性和实时性。修订后的第二版同样系统地讲解了基于HALCON的机器视觉系统各设计过程中的关键技术，将图像分析、处理算法映射到机器视觉系统开发的过程中，以应用为先，避免突兀、无目的、枯燥的算法讲解，注重提高工业环境下机器视觉的实时性和健壮性。各章节内容循序渐进，充分考虑了教学需求。为了方便实验和应用，本书给出了多个图像处理主要知识点的HALCON程序，通过这些实验，读者可以进一步加深对相关内容的理解，也可以扩展应用程序，开发自己的图像处理程序。
本书概括地描述了图像处理理论和HALCON机器视觉技术所涉及的各个分支，包括数据结构、 图像采集、 图像预处理、 图像分割、 数学形态学与Blob分析、 图像匹配、 图像测量、 其他应用、 标定方法、 工程应用与混合编程等技术和方法。书中尽可能给出了必要的基本知识，深入浅出；同时，重点呈现了HALCON的编程技巧，突出了HALCON数字图像处理技术的应用实践，并引导读者掌握HALCON的编程方法，培养读者在解决实际问题时的思维方法。
本书由天津工业大学刘国华教授执笔，张琴涛、郑祥通、段建春、李飞、李涛参与了编写工作并进行了程序实验。在本书的修订过程中，牛树青、马千文参与了全面的修订工作。全书由刘国华负责统稿、定稿。在编写过程中，作者参考了相关的书籍、论文、资料和网站文献，也引用了其中部分内容，在此对原作者表示衷心的感谢。
由于作者水平有限，书中难免存在疏漏和不足之处，敬请读者不吝指正。作者联系邮箱：liuguohua@tiangong.edu.cn。
作 者
2022年1月
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 最大类间方差法 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 最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
书单推荐
