Halcon二值化函数汇总解析

Posted 2022-03-01 MrL_JJ

文章目录

• • 1.threshold
  • 2.fast_threshold
  • 3.bin_threshold
  • 4.auto_threshold
  • 5.binary_threshold
  • 6.dual_threshold
  • 7.hysteresis_threshold

---

1.threshold

函数原型：

threshold(Image : Region : MinGray, MaxGray : )

函数功能：
使用全局阈值分割图像。
参数说明：
Image ：HImage类型，输入图像，即待分割图像。
Region ：HRegion类型，输出区域，即分割后的区域。
MinGray ：输入灰度低阈值，0~255。
MaxGray ：输入灰度高阈值，0~255，需大于MinGray 。
函数原理：
算子通过从输入图像中提取灰度值gray满足:MinGray < gray< MAxGray
条件的像素。

2.fast_threshold

函数原型：

fast_threshold(Image : Region : MinGray, MaxGray, MinSize : )

函数功能：
使用全局阈值分割图像。
参数说明：
Image ：HImage类型，输入图像，即待分割图像。
Region ：HRegion类型，输出区域，即分割后的区域。
MinGray ：输入灰度低阈值，0~255。
MaxGray ：输入灰度高阈值，0~255，需大于MinGray 。
MinSize ：提取对象的最小尺寸。
函数原理：
算子通过从输入图像中提取灰度值gray满足:MinGray < gray< MAxGray
条件的像素。为了减少处理时间，选择分两步进行:首先，处理所选水平线上的所有点，这些点由它们的距离MinSize指定。接着，处理所有之前选中的点的邻域(size (2MinSize+1) x (2MinSize+1))。

3.bin_threshold

函数原型：

bin_threshold(Image : Region : : )

函数功能：
使用自动确定的全局阈值分割单通道灰度值图像
参数说明：
Image ：HImage类型，输入图像，即待分割图像。
Region ：HRegion类型，输出区域，即分割后的区域。
函数原理：
首先，确定灰度值的相对直方图。然后，从直方图中提取相关的最小值minimum，作为阈值操作的参数。为了减少最小值的数量，直方图使用高斯平滑，高斯模板的大小被逐渐放大，直到在平滑直方图中只有一个最小值minimum。最后选取图像最小值到minimum的像素。

4.auto_threshold

函数原型：

auto_threshold(Image : Regions : Sigma : )

函数功能：
使用由直方图确定的阈值分割图像。
参数说明：
Image ：HImage类型，输入图像，即待分割图像。
Region ：HRegion类型，输出区域，即分割后的区域。
Sigma ：输入，用于直方图的高斯平滑，Sigma >= 0.0。
函数原理：
使用多重阈值分割单通道图像。首先确定灰度值的绝对直方图。然后，从直方图中提取相关的最小值，依次作为阈值操作的参数。字节图像的阈值为0,255，以及从直方图中提取的所有最小值(直方图用标准差Sigma的高斯滤波器平滑后)。对于每个灰度值区间，生成一个区域。因此，区域的数量就是最小值+ 1的数量。

5.binary_threshold

函数原型：

binary_threshold(Image : Region : Method, LightDark : UsedThreshold)

函数功能：
使用自动确定的全局阈值分割单通道图像
参数说明：
Image ：HImage类型，输入图像，即待分割图像。
Region ：HRegion类型，输出区域，即分割后的区域。
Method：输入，选择二值化采用的方法。分别有’max_separability’, ‘smooth_histo’。
LightDark ：输入，选择提取前景或背景，分别有 ‘dark’, ‘light’。
UsedThreshold：输出，算子自动计算采用的二值化阈值。
函数原理：
算子有两种方法，这两种方法只能用于具有双峰直方图的图像。一、‘smooth_histo’： 原理和bin_threshold()算子相同。
二、‘max_separability’：类间最大法，该算法首先计算图像的直方图，然后利用统计矩找出将像素分为前景和背景的最优阈值，使这两个类的可分性最大化。这种方法只适用于字节和uint2图像。它对直方图中远离光谱其余部分的薄孤立峰不太敏感，而且通常比“smooth_histo”更快。

6.dual_threshold

函数原型：

dual_threshold(Image : RegionCrossings : MinSize, MinGray, Threshold : )

函数功能：
使用双重阈值对带符号图像的阈值分割。
参数说明：
Image ：HImage类型，输入图像，即待分割图像。
RegionCrossings ：HRegion类型，输出区域，即分割后的区域。
MinSize：输入，小于MinSize的区域被抑制。
MinGray：输入，对绝对灰度值小于MinGray的区域进行抑制。
Threshold ：输入，灰度值小于Threshold(或大于-Threshold)的区域将被抑制。
函数原理：
将输入图像分割成灰度值>Threshold 的区域Threshold(“正”区域)和灰度值<Threshold 的区域“负”区域)。只有大小大于MinSize的“正”或“负”区域才会被保留，灰度值在MinGray和-MinGray之间的区域会被抑制。

7.hysteresis_threshold

函数原型：

hysteresis_threshold(Image : RegionHysteresis : Low, High, MaxLength : )

函数功能：
对图像执行迟滞阈值分割。
参数说明：
Image ：HImage类型，输入图像，即待分割图像。
RegionHysteresis ：HRegion类型，输出区域，即分割后的区域。
Low：输入，灰色值的下限阈值
High：输入，灰色值的上限阈值
MaxLength ：输入，“潜在”点到达“安全”点的路径的最大长度。
函数原理：
所有在输入图像中具有大于或等于High的灰度值的点立即被接受(“安全”点)。相反，所有灰色值小于Low的点将被立即拒绝。如果“潜在”点通过长度最多为MaxLength点的“潜在”点路径连接到“安全”点，那么两个阈值之间的灰色值的“潜在”点将被接受。这意味着“安全”点会影响它们的周围环境(滞后)。

## 8.dyn_threshold
详细解释请移步之前的文章：https://editor.csdn.net/md/?articleId=119995083