halcon中阈值分割算子用法

1.threshold(Image : Region : MinGray, MaxGray : )：通过给定的阈值区间对图像进行分割

效果图：

read_image (Audi2, 'audi2')
fill_interlace (Audi2, ImageFilled, 'odd')
threshold (ImageFilled, Region, 0, 90)

2.binary_threshold(Image : Region : Method, LightDark : UsedThreshold)：自动阈值分割，可以自动选择出'light' 区域或'dark' 区域，使用自动确定的全局阈值分割单通道图像，使用阈值方法Method有'max_separability' 和'smooth_histo'两个值，这两个值都是只应用在具有双峰直方图的图像（bin_threshold是过去时，新的应用程序应该使用binary_threshold）

reduce_domain (Image, RegionROI, ImageReduced)
binary_threshold (ImageReduced, RegionBackground, 'max_separability', 'dark', UsedThreshold)

3.dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )：使用局部阈值分割图像，首先需要对图像进行平滑处理（例如 mean_image, binomial_filter, gauss_filter等等），然后用原图与平滑后的图逐个像素作比较，可以根据参数分割出原图比平滑后的图灰度高（或者低）Offset个灰度值的区域。（Offset的值最好是在5到40之间）

read_image (Image, 'surface_scratch')
mean_image (Image, ImageMean, 7, 7)
dyn_threshold (Image, ImageMean, DarkPixels, 5, 'dark')

4.dual_threshold(Image : RegionCrossings : MinSize, MinGray, Threshold : )：阈值分割有正负之分的图像，将输入图像中灰度值>= Threshold的分为“positive”区域，将灰度值 <= -Threshold的分为“negative”区域，只有当“positive”或“negative”区域的面积大于MinSize的区域才会考虑，区域的最大灰度值 < MinGray时，该区域被抑制。 “positive” 和“negative”区域不一定覆盖整个区域，灰度值在-Threshold 与Threshold和-MinGray 与 MinGray之间是不被考虑的。

read_image (Traffic1, 'traffic1')
read_image (Traffic2, 'traffic2')
convert_image_type (Traffic1, ImageConverted1, 'int2')
convert_image_type (Traffic2, ImageConverted2, 'int2')
* Subtract two images.
sub_image (ImageConverted1, ImageConverted2, ImageSub, 1, 0)
dual_threshold (ImageSub, RegionDiff, 500, 20, 10)

5.auto_threshold(Image : Regions : Sigma : )：使用从直方图确定的阈值分割图像，算法过程：1.获取输入图像的灰度直方。

使用标准差为Sigma 的一维高斯滤波器对直方图进行滤波。3.计算滤波后的直方图的极小值。4.以计算得到的极小值所对应的灰度值为分割阈值对图像进行分割。

read_image (Aegypt1, 'egypt1')
get_image_size (Aegypt1, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowID)
set_display_font (WindowID, 14, 'mono', 'true', 'false')
dev_set_colored (6)
dev_clear_window ()
Sigma := 4
auto_threshold (Aegypt1, Regions, Sigma)

6.char_threshold(Image, HistoRegion : Characters : Sigma, Percent : Threshold)：为提取字符执行阈值分割。主要应用是在明亮的纸张上分割单通道的暗字符图像。该算子工作如下：1.首先，对Image图像的HistoRegion 内的点计算灰度直方图，用给定的Sigma高斯平滑对直方图进行平滑处理，减少噪音。在直方图中，背景（白纸）在高灰度值处对应一个大的峰值，而字符在低灰度值处形成一个小的峰值。与操作符binary_threshold (with 'Method'='smooth_histo')定位两个峰值之间的最小值不同，这里分割的阈值是根据直方图的最大值确定的，即，背景，条件如下：

histogram[threshold] * 100.0 < histogram[maximum] * (100.0 - Percent)

read_image (Alpha1, 'alpha1')
get_image_size (Alpha1, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
dev_display (Alpha1)
dev_set_color ('white')
dev_clear_window ()
char_threshold (Alpha1, Alpha1, Characters, 6, 95, Threshold)

7.fast_threshold(Image : Region : MinGray, MaxGray, MinSize : )：利用全局阈值快速阈值化图像，从输入图像中选取灰度值g满足一下条件的像素MinGray < g < MaxGray。该算子工作如下：首先，处理位于选定的水平线上的所有点，这些点有它们的距离MinSize 指定，然后，处理所有先前选择的点的邻域（size(2*MinSize + 1)*(2*MinSize + 1)），速度比threshold快

read_image (Image, 'particle')
dev_close_window ()
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowID)
dev_display (Image)
dev_set_color ('red')
dev_set_draw ('fill')
dev_update_var ('off')
dev_update_window ('off')
dev_update_pc ('off')
count_seconds (Seconds1)
fast_threshold (Image, Region, 128, 255, 10)

8.hysteresis_threshold(Image : RegionHysteresis : Low, High, MaxLength : )：对图像执行滞后阈值操作，输入图像中灰度值大于或等于Hight的所有点立即被接受（“secure” 安全点），相反，所有灰度值小于Low的点会立即被拒绝。如果某个点（灰度值在Low与High之间）连接到“secure”点的距离长度不超过MaxLength，则该点为两个阈值之间的灰度值的 “Potential” 潜在点，这意味着安全点影响它们的环境（滞后）

decompose3 (ImageReduced, ImageR, ImageG, ImageB)
invert_image (ImageB, ImageInvert)
hysteresis_threshold (ImageInvert, RegionHysteresis2, 190, 200, 5)

9.local_threshold(Image : Region : Method, LightDark, GenParamName, GenParamValue : )：使用局部阈值分割图像。使用method中给出的阈值方法分割单通道图像，目前该算子只提供'adapted_std_deviation'方法，该算法是一种文本二值化技术。 Method = 'adapted_std_deviation'，根据Sauvola调用基于局部均值和标准偏差的局部自适应阈值。该算法能够对文档图像进行分割，即使图像质量下降，例如由于不均匀的光照或噪声，它通过考虑局部对比度来实现非均匀背景下的文本二值化。

read_image (Letters, 'letters')
dev_open_window_fit_image (Letters, 0, 0, -1, -1, WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
get_image_size (Letters, Width, Height)
gen_image_surface_first_order (ImageSurface, 'byte', 0.5, 0.5, 0.5, Width / 2, Height / 2, Width, Height)
add_image (Letters, ImageSurface, ImageCombined, 0.5, 0)
local_threshold (ImageCombined, Region, 'adapted_std_deviation', 'dark', [], [])

10.watersheds_threshold(Image : Basins : Threshold : )：使用阈值从图像中提取流域盆地。流域之间由一个高度至少为Threshold的分水岭间隔。在第一步中，watersheds_threshold计算流域而不应用阈值，得到的流域与调用流域是得到的流域相同。在第二步中，如果流域被一个小于Threshold的分水岭分隔开，则流域依次合并。

read_image (ImageLogo, 'mvtec_logo.png')
dev_close_window ()
get_image_size (ImageLogo, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_display (ImageLogo)
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
gauss_filter (ImageLogo, ImageGauss, 9)
sobel_amp (ImageGauss, EdgeAmplitude, 'sum_abs', 3)
watersheds (EdgeAmplitude, Basins1, Watersheds)
dev_display (Basins1)
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
watersheds_threshold (EdgeAmplitude, Basins2, 14)

参考文章：https://blog.csdn.net/qq_29187197/article/details/82780566