机器视觉系统的基本组成原理和图像处理基础，重点介绍机器视觉系统涉及的新技术、新方法、新器件及机器视觉的典型应用案例。全书共分10章，第1章简要介绍机器视觉技术的基本概念、系统构成以及发展趋势；第2章介绍机器视觉系统的硬件技术和教学实验设备；第3章介绍机器视觉组态软件XAVIS；第4章介绍图像处理技术；第5、6章分别介绍机器视觉应用最普遍的尺寸测量技术与缺陷检测技术；第7章介绍模式识别技术；第8章介绍图像融合技术；第9章介绍基于机器视觉的运动目标跟踪技术；第10章介绍三维重构的初级视觉理论与方法。
《机器视觉技术及应用》重在理论联系实际，在每一章都安排有涉及编者教学科研的典型机器视觉系统案例或机器视觉实验专题。《机器视觉技术及应用》主要内容都具有工程应用项目研究的工业实际背景，每章配套的典型案例、习题和实验均选自工业实际对象，很多来自科研项目研究的实际内容。配套的教学实验提供了30余种实验案例和200多种机器视觉算法库函数供学生做实验选学，并为乐于动手的学生提供了自学习实验环节，也为有兴趣深入钻研机器视觉理论的学生介绍了图像融合、视觉跟踪以及三维重构的新理论和新方法。.，
《机器视觉技术及应用》既可作为大专院校自动化、计算机、电气工程、机电一体化等专业的教材，也适用于从事测量、检测、控制及机器视觉等系统研究、设计和开发的科研与工程技术人员参考。

自动化技术在我国现代化建设进程中具有重要地位。五十多年来，自动化技术对我国社会主义现代化建设的众多领域发挥了重要作用，产生了深远影响。最具代表性的两弹一星的成功发射、载入飞船的顺利返回、嫦娥探月的环绕飞行等充分体现了自动化技术在国家重大工程应用中的示范作用。自动化技术也有力地推动着我国整体工业的发展和改变着人们的生活方式，如集成制造系统的普及推广使机械加工制造自动化程度达到了更高的水平，服务机器人代替家政进入了家庭，改善了人们的生活环境，如此等等。
我国正在全面建设小康社会，走新型工业化道路，促进信息化与工业化的“两化”融合，实现工业、农业、国防和科学技术现代化。在此进程中，自动化技术起着不可替代的桥梁作用。这就迫切需要高等学校自动化专业办学机构和广大教师进行深入研究和探索，如何能够为各行各业输送大量具有工程实践能力和应用创新能力的工程应用型自动化专业高级技术人才。在“教育部高等学校自动化专业教学指导分委员会”主任委员吴澄院士领导下，针对我国高等教育发展快、规模大、社会各行各业对工程应用型自动化专业人才需求量大的特点，按照大众化高等教育阶段分类指导的思想和原则，抓住有利时机，成立了“工程应用型自动化专业课程体系研究与教材建设委员会”，对工程应用型自动化专业的知识体系、课程体系、能力培养等进行了有益的探索，为工程应用型自动化专业人才培养、教材建设奠定了基础。
工程应用型自动化专业涉及面广、行业多，其人才培养模式与课程体系涉及的因素众多复杂，包括如何结合通识教育，拓宽应用口径、突出专业重心、强化实践教育、理论联系实际、提高应用创新能力等，其中构建既不照搬研究型、也不雷同技能训练型的工程应用型自动化专业课程体系，编写一套有利于促进面向不同行业、应对不同层次问题的工程应用型学生个性发展的一流教材尤为重要，着力培养学生由解决工程实际问题到提出新问题的探索思维方式，即运用知识的创新能力。“教育部高等学校自动化专业教学指导分委员会”在对工程应用型自动化专业课程体系研究的基础上，从全国遴选有工程应用背景、有教材编写经验的教授与专家，组织编写了这套工程应用型自动化专业系列教材，这对工程应用型自动化专业人才的创新能力培养具有重要意义。

韩九强，西安交通大学自动控制研究所所长，教育部高等学校自动化专业教学指导分委员会副主任委员，全国自动化专业教材编审委员会委员，陕西省仪器仪表学会副理事长。主要研究方向：智能测控理论与应用，机器视觉技术与图像信息融合，嵌入式技术与智能仪器。
韩九强教授先后完成国家与省部基金、国际合作项目以及大中型企业产学研课题70余项；获各级教学科研成果奖励30余次，其中获国家科学技术进步二等奖1项、省部级教学科研成果一等奖3项、二等奖2项、三等奖4项；获国家发明专利6项；获软件著作权2项；在国内外期刊与国际会议上发表学术论文180余篇，其中SCI／EI检索60余篇；主编出版学术著作3部。

第1章 绪论
1.1 机器视觉技术发展与应用
1.1.1 机器视觉技术发展现状
1.1.2 机器视觉技术的应用
1.2 机器视觉系统组成
1.2.1 系统硬件
1.2.2 组态软件
1.3 机器视觉方法分类
1.3.1 尺寸测量
1.3.2 缺陷检测
1.3.3 模式识别
1.3.4 图像融合
1.3.5 目标跟踪
1.3.6 三维重构
1.4 机器视觉发展趋势
习题与实验
参考文献

第2章 机器视觉硬件技术
2.1 镜头技术
2.1.1 视场角
2.1.2 焦距
2.1.3 自动调焦
2.1.4 滤光镜
2.2 摄像机技术
2.2.1 数字摄像机
2.2.2 分辨率
2.2.3 帧速
2.2.4 智能相机
2.2.5 相机接口
2.3 光源技术
2.3.1 前光源
2.3.2 背光源
2.3.3 环形光源
2.3.4 点光源
2.3.5 可调光源
2.4 图像采集卡
2.5 摄像机标定技术
2.5.1 成像几何模型
2.5.2 典型标定方法
2.5.3 标定策略
2.6 ZM-VSl200机器视觉教学
实验平台
习题与实验
参考文献

第3章 机器视觉组态软件XAVIS
3.1 XAVIS简介
3.2 XAVIS基本操作
3.2.1 主窗口
3.2.2 子窗口
3.2.3 操作示例
3.3 XAVIS基本函数
3.3.1 参数类型
3.3.2 文件操作
3.3.3 控制函数
3.3.4 功能函数
3.3.5 扩展函数
3.4 XAVIS接口技术
3.4.1 动态链接库技术
3.4.2 自定义算法库加载
3.5 XAVIS编程实例
3.5.1 边缘提取
3.5.2 图像滤波
3.5.3 尺寸测量
3.5.4 印刷体字符检测
3.5.5 三维重构
3.6 提示和操作技巧
习题与实验

第4章 图像处理技术
4.1 图像增强
4.1.1 空域图像增强
4.1.2 频域图像增强
4.2 图像分割
4.2.1 双峰法
4.2.2 迭代法
4.2.3 大津法
4.2.4 判别分析法
4.2.5 一维最大熵方法
4.3 边缘提取
4.3.1 边缘定义及分类
4.3.2 边缘检测算子
4.3.3 轮廓提取方法
4.4 数学形态学分析
4.4.1 数学形态学原理
4.4.2 图像数学形态学基本运算
4.4.3 图像数学形态学应用
4.5 图像投影
4.6 图像特征提取
4.6.1 图像特征
4.6.2 兴趣点提取
4.6.3 直线提取
4.6.4 圆弧提取
4.7 配准定位方法
4.7.1 图像配准数学建模
4.7.2 图像配准方法
4.7.3 图像配准的主要步骤
习题与实验
参考文献

第5章 尺寸测量技术
5.1 长度测量
5.1.1 距离测量
5.1.2 多距离测量和齿长测量
5.1.3 线段测量
5.2 面积测量
5.2.1 基于区域标记的面积测量
5.2.2 基于轮廓向量的面积测量
5.3 圆测量
5.3.1 正圆的测量方法
5.3.2 多圆测量
5.3.3 利用曲率识别法识别圆
5.3.4 椭圆的测量方法
5.4 线弧测量
5.4.1 基于Harris角点检测的线弧分离
5.4.2 基于哈夫变换的线弧分离
5.5 角度测量
习题与实验
参考文献.

第6章 缺陷检测技术
6.1 缺陷检测的分类方法
6.2 瑕疵缺陷检测
6.2.1 瑕疵缺陷图像特点
6.2.2 瑕疵缺陷检测算法
6.2.3 应用实例
6.3 划痕检测
6.3.1 划痕图像的特点
6.3.2 划痕检测算法
6.3.3 应用实例
6.4 焊点检测与分类方法
6.4.1 PCB焊点的分类
6.4.2 焊点检测与分类算法
6.4.3 应用实例
习题与实验

第7章 模式识别技术
7.1 字符识别
7.1.1 印刷体字符识别
7.1.2 手写体字符识别算法
7.2 条码识别
7.2.1 条码技术
7.2.2 一维条码识别
7.2.3 二维条码识别
7.3 车牌识别
7.3.1 车牌图像预处理
7.3.2 车牌字符分割与识别
7.4 工件识别
7.4.1 工件识别方法
7.4.2 识别实例
7.5 医学图像识别
7.5.1 血管识别
7.5.2 细胞识别
习题与实验
参考文献

第8章 图像融合技术
8.1 图像融合分类
8.1.1 像素级融合
8.1.2 特征级图像融合
8.1.3 决策级图像融合
8.2 图像融合算法
8.2.1 基本图像融合算法
8.2.2 金字塔图像融合算法
8.2.3 小波变换图像融合算法
8.3 图像融合的评价标准
8.3.1 主观评价标准
8.3.2 客观评价标准
8.4 图像融合应用
8.4.1 多光照图像融合
8.4.2 多聚焦图像融合
8.4.3 异质图像融合
习题与实验
参考文献

第9章 目标跟踪技术
9.1 检测与跟踪的关系
9.2 运动目标检测
9.2.1 相邻帧间差分算法
9.2.2 背景差分算法
9.3 运动目标跟踪
9.3.1 特征匹配搜索算法
9.3.2 均值漂移算法
9.3.3 目标遮挡跟踪算法
9.4 运动目标跟踪实例
9.4.1 无遮挡目标跟踪实例
9.4.2 有遮挡目标跟踪实例
习题与实验
参考文献

第10章 三维重构技术
10.1 三维重构技术分类
10.2 三维重构基本概念
10.2.1 辐射度
10.2.2 目标表面朝向
10.2.3 反射类型与反射模型
10.3 SFS三维重构算法
10.3.1 基于混合反射模型的SFS算法（AHRM）
10.3.2 AHRM算法实例分析
10.3.3 基于透视成像模型的SFS算法（APM）
10.3.4 APM算法的实例分析
10.3.5 SFS三维重构变分算法
10.3.6 变分算法实例分析
10.4 光度立体学
10.4.1 光度立体视觉法
10.4.2 算法实例
习题与实验
参考文献