机器视觉及深度学习——经典算法与系统搭建

陈兵旗，中国农业大学，教授，中国农业机械学会基础技术分会理事，美国国际农业生物工程学会ASABE会员，海外华人农业工程学会AOC会员。Transaction of ASABE, Biosystems Engineering, IEEE Transactions on Automation Science and Engineering, 中国农机学报、中国农业工程学报等多家国内外权威学术期刊论文审稿人。国家自然基金以及多个省市基金项目评审专家。

上篇 理论算法 1

第1章 基础知识 2

1.1 图像与颜色 2

1.1.1 彩色图像 2

1.1.2 灰度图像 3

1.1.3 颜色变换 3

1.2 机器视觉 4

1.2.1 机器视觉构成 4

1.2.2 数字图像处理 6

1.3 深度学习 9

1.3.1 基本概念 9

1.3.2 基本思想 10

1.3.3 深度学习常用方法 10

第2章 目标提取 21

2.1 灰度目标 21

2.1.1 阈值分割 21

2.1.2 自动二值化处理 22

2.2 彩色图像 24

2.2.1 果树上红色桃子的提取 24

2.2.2 绿色麦苗的提取 26

2.3 运动图像 27

2.3.1 帧间差分 27

2.3.2 背景差分 27

2.4 C 语言实现 28

2.4.1 二值化处理 28

2.4.2 双阈值二值化处理 29

2.4.3 直方图 30

2.4.4 直方图平滑化 31

2.4.5 大津法二值化处理 31

第3章 边缘检测 34

3.1 图像边缘 34

3.2 微分处理 35

3.2.1 一阶微分 35

3.2.2 二阶微分 36

3.3 模板匹配 37

3.4 C 语言实现 39

3.4.1 一阶微分边缘检测 39

3.4.2 二阶微分边缘检测 40

3.4.3 Prewitt 算子边缘检测 41

3.4.4 二值图像的细线化处理 43

第4章 去噪声处理 46

4.1 移动平均 46

4.2 中值滤波 47

4.3 二值图像去噪声 49

4.4 C 语言实现 50

4.4.1 移动平均法 50

4.4.2 中值滤波 51

4.4.3 腐蚀处理 52

4.4.4 膨胀处理 53

第5章 几何参数检测 55

5.1 图像的几何参数 55

5.2 区域标记 58

5.3 几何参数检测与提取 59

5.4 C 语言实现 60

5.4.1 区域标记 60

5.4.2 计算图像特征参数 62

5.4.3 根据圆形度抽出物体 66

5.4.4 复制掩模领域的原始图像 67

5.4.5 根据面积提取对象物 67

第6章 直线检测 69

6.1 传统 Hough 变换的直线检测 69

6.2 最小二乘法的直线检测 71

6.3 C 语言实现 72

6.3.1 传统 Hough 变换的直线检测 72

6.3.2 最小二乘法的直线检测 74

第7章 深度学习框架介绍 77

7.1 TensorFlow 78

7.1.1 TensorFlow 的优势 78

7.1.2 TensorFlow 应用场景 79

7.1.3 TensorFlow 开发环境安装 79

7.2 Keras 80

7.2.1 Keras 的优势 81

7.2.2 Keras 应用 81

7.2.3 Keras 与 TensorFlow2 的关系 81

7.2.4 Keras 的安装 82

7.3 PyTorch 82

7.3.1 PyTorch 的优势 82

7.3.2 PyTorch 的典型应用 83

7.3.3 PyTorch 和 TensorFlow 的比较 83

7.3.4 PyTorch 的安装 84

7.4 其他深度学习框架 85

7.4.1 Caffe 85

7.4.2 MXNet 85

7.4.3 CNTK 86

7.4.4 Theano 86

7.4.5 Darknet 87

7.4.6 PaddlePaddle 87

下篇 编移环境及系统搭建 89

第8章 平台软件 90

8.1 OpenCV 90

8.1.1 基本功能介绍 90

8.1.2 获取与安装 91

8.2 VC++ 92

8.2.1 基本功能介绍 92

8.2.2 获取与安装 93

8.3 Python 95

8.3.1 基本功能介绍 95

8.3.2 获取与安装 95

第9章 VC++图像处理工程 98

9.1 工程创建 98

9.1.1 启动 Visual Studio 2010 98

9.1.2 创建新建工程 99

9.2 系统设置 115

9.3 编译执行 117

第10章 Python 图像处理系统 119

10.1 工程创建 119

10.2 系统设置 121

10.3 编译执行 127

第11章 TensorFlow 深度学习工程 134

11.1 框架获得 134

11.2 安装设置 134

11.3 案例 135

11.3.1 数据准备 135

11.3.2 训练模型 137

11.3.3 验证准确率 139

11.3.4 导出模型并对图片分类 139

第12章 Keras 深度学习工程 142

12.1 框架获得 142

12.2 安装设置步骤 143

12.3 工程创建 146

12.4 编译、训练、评估与部署 148

第13章 PyTorch 深度学习工程 152

13.1 框架获得 152

13.2 安装设置 153

13.2.1 CPU 版本安装 153

13.2.2 GPU 版本安装 153

13.3 工程创建 155

13.4 训练、评估与部署 157

13.4.1 训练 157

13.4.2 评估 158

13.4.3 部署 159

第14章 Caffe 深度学习工程 166

14.1 安装环境和依赖项获得 166

14.2 框架的获取 167

14.3 编译 Caffe 及其与 Python 的接口 167