本课程为控制理论与控制工程学科研究生的专业研讨课。本课程讲授和讨论机器视觉的基础理论和关键技术。主要内容有图像处理基础、图像分割、特征点检测、边缘检测、形状检测、模式聚类与分类等。
    通过本课程的学习，培养学生的实际动手和独立思考的能力，希望学生能掌握图像处理与机器视觉的基本思想、基本方法和关键技术，了解机器视觉的最新研究成果。

第一章  机器视觉概述绪论
1.1 什么是机器视觉
1.2 机器视觉与其它领域的关系
1.3 课程提纲
第二章  数字图像基础与图像滤波
2.1 数字图像及处理简介
2.2 图像增强与滤波
2.3 频域滤波
第三章  图像处理扩展
3.1 图像复原
3.2 图像形态学
3.3 彩色图像处理
第四章 二值化技术
4.1 全局和局部自适应二值化
4.2 矩表达
4.2 形状特征
第五章  角点和特征点
5.1 Harris角点
5.2 LOG算子
5.3 SIFT特征
第六章  边缘提取
6.1 微分算子
6.2 Canny算子
第七章  图像分割
7.1 基于区域的分割方法
7.2 基于边缘的分割方法
7.3 马尔科夫随机场
第八章 形状检测
8.1 直线检测
8.2.圆、椭圆检测
8.3 Generalized霍夫变换  
第九章 模式聚类与分类
9.1 K均值算法
9.2 K近邻算法

Robot Vision by Berthold Horn
Computer & Machine Vision by E.R. Davies
视觉测量原理与方法  邾继贵, 于之靖编著