先看代碼實踐
dev_update_off ()
dev_close_window ()
*讀圖
read_image (Image, 'D:/1.bmp')
get_image_size (Image, Width, Height)
*測試提取邊緣
edges_image(Image,Amp,Dir,'lanser2',0.5,'none',-1,-1)
hysteresis_threshold(Amp,Margin,20,30,30)
*彩色轉灰階圖
count_channels (Image, Channels)
if (Channels == 3)
rgb1_to_gray (Image, GrayImage)
*真彩色轉灰階圖
elseif (Channels == 4)
decompose4 (Image, ImageR, ImageG, ImageB, ImageA)
compose3 (ImageR, ImageG, ImageB, MultiChannelImage)
rgb1_to_gray (MultiChannelImage, GrayImage)
endif
*顯示圖
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
dev_display (Image)
*自适應二值化
median_image (Image, Median, 'circle', 3, 'mirrored')
auto_threshold(Median, Regions, 2)
*動态二值化
D := 100
mean_image(Image, Mean, D*2+1, D*2+1)
dyn_threshold(Image, Mean, Seg, 5, 'light')
regiongrowing (Image, Regions, 1, 1, 6, 1)
gen_contour_region_xld (Regions, Contours, 'border')
*threshold_sub_pix隻能取外輪廓
threshold_sub_pix(Image, Border, 128)
derivate_gauss(Image,Laplace,3,'laplace')
zero_crossing_sub_pix(Laplace,ZeroCrossings)
*測試soble
sobel_amp (Image, EdgeAmplitude1, 'thin_max_abs', 5)
sobel_amp (GrayImage, EdgeAmplitude2, 'thin_max_abs', 5)
*圖像的“邊緣”指的是：圖像中灰階有明顯跳變的地方。如果在圖中畫一條“有一定寬度的線”，那麼線的兩側應該都可以提取到邊緣。
*而線條提取的算子（例如lines_gauss）提取的是這條“有一定寬度的線”的“骨架線”，它一般隻有一根。
*提取骨架線條
MaxLineWidth := 10
Contrast := 20
calculate_lines_gauss_parameters (MaxLineWidth, Contrast, Sigma, Low, High)
lines_gauss (GrayImage, Lines, Sigma, Low, High, 'dark', 'true', 'parabolic', 'true')
count_obj (Lines, Number)
* lines_gauss (GrayImage, Lines, 2.3, 0.0, 0.7, 'dark', 'true', 'parabolic', 'true')
*亞像素提取邊緣
*Alpha數值越大,輪廓越圓滑
edges_sub_pix (GrayImage, Edges1, 'canny', 1, 3, 5)
*edges_sub_pix (GrayImage, Edges2, 'canny_junctions', 1, 5, 10)
*edges_sub_pix (GrayImage, Edges3, 'lanser1', 0.5, 20, 40)
*edges_sub_pix (GrayImage, Edges4, 'lanser2', 0.5, 20, 40)
*edges_sub_pix (GrayImage, Edges5, 'deriche1', 0.5, 20, 40)
*edges_sub_pix (GrayImage, Edges6, 'deriche2', 0.5, 20, 40)
*edges_sub_pix (GrayImage, Edges7, 'shen', 0.5, 20, 40)
*edges_sub_pix (GrayImage, Edges8, 'mshen', 0.5, 20, 40)
*edges_sub_pix (GrayImage, Edges9, 'sobel', 0.5, 20, 40)
*合并鄰近的XLD,使得細小線段拼接起來
*select_contours_xld (Edges1, SelectedContours, 'contour_length', 5, 99999, -0.5, 0.5)
union_adjacent_contours_xld (Edges1, UnionContours, 5, 1, 'attr_keep')
*根據輪廓特征選擇XLD
*這個算子用到的輪廓特征如下：contour-length輪廓長度，direction輪廓回歸線方向，用參數min1，max1；
*curvature曲率，輪廓XLD到回歸線的平均距離和标準差各有範圍選擇，平均距離使用參數min1，max1；
*标準差使用min2，max2，條件是在兩參數的大小範圍之内。
select_contours_xld (UnionContours, SelectedContours, 'contour_length', 10, 99999, -0.5, 0.5)
*close_contours_xld(SelectedContours, ClosedContours)
count_obj(SelectedContours, NumberContours)
stop()
for i := 1 to NumberContours by 1
select_obj (SelectedContours, ObjectSelected, i)
length_xld (ObjectSelected, Length)
*計算xld的面積以及中心位置
area_center_xld(ObjectSelected, area, row, column, PointOrder)
get_contour_xld (ObjectSelected, row, col)
endfor
dev_set_color ('green')
dev_display (Image)
dev_display (Lines)
dev_display (Edges1)
stop()
*測試彩色
edges_color_sub_pix (Image, EdgesColor, 'canny', 1, 5, 10)
dev_display (Image)
dev_set_color ('blue')
dev_display (EdgesColor)
*測試HSV
decompose3(Image, r, g, b)
trans_from_rgb(b, g, r, h, s, v, 'hsv')
Sigma := 4
auto_threshold (h, Region1, Sigma)
auto_threshold (s, Region2, Sigma)
auto_threshold (v, Region3, Sigma)
edges_sub_pix (r, Edge1, 'canny', 1, 2, 5)
edges_sub_pix (g, Edge2, 'canny', 1, 2, 5)
edges_sub_pix (b, Edge3, 'canny', 1, 2, 5)
edges_sub_pix (h, Edge4, 'canny', 1, 2, 5)
edges_sub_pix (s, Edge5, 'canny', 1, 2, 5)
edges_sub_pix (v, Edge6, 'canny', 1, 2, 5)
stop ()
再看理論知識：
一、邊緣提取
1、設定ROI興趣區域
2、快速二值化，并連接配接相鄰區域。
這樣做的目的是進一步減少目标區域，通過二值化将目标區域大概輪廓提取出來
3、提取最接近目标區域的輪廓
常用函數有boundary，gen_contour_region_xld
4、根據自己的需求提取需要的初步輪廓
5、将初步提取的初步輪廓進行膨脹操作
6、将膨脹後的區域和原圖進行減操作（在這步之前有可能需要對原圖進行高斯濾波）。這樣就能得到隻有邊緣的真實圖像
7、用canny或其他算子（根據需要）提取亞像素輪廓，一般使用edges_sub_pix函數
8、處理和計算
得到真實的邊緣XLD後你可能需要進一步處理得到你想要的線、弧等。
你可能用到的函數segment_contours_xld（分割） union_collinear_contours_xld（聯合相鄰或相同角度直線）select_contours_xld（提取想要的輪廓） union_cocircular_contours_xld（聯合相同圓）等等
得到輪廓後如果你不知道怎麼處理後得到你想要的東西（線、弧、圓、角、矩形）你都可以将輪廓轉化為點，然後用點集合來拟合任何你想要的東西。
二、BLOB分析檢測（前面一篇有詳細講解，本騙隻講思路）
（1）應用ROI，可以使Blob分析加速。
（2）比對ROI區域或圖像，詳将GUIDEIIB以形狀為基礎的比對。
（3）校正圖像<經常用來去除鏡頭畸變或把圖像轉換到參考點視角，如雙目視覺時的圖像校正>
（4）圖像前處理
（5）引用分割參數
（6）分割圖像
（7）區域處理
（8）特征提取
（9）把提取的結果轉換到世界坐标中
（10）結果可視化。
相機的标定和矯正不在本篇的學習之中。直接講提取BLOB
1、一般先使用均值濾波去噪
2、利用去噪圖像與平滑圖像的OFFSET提取區域邊緣，常見函數dyn_threshold
3、提取連通域dyn_threshold
4、根據形狀或是灰階等特征來提取你想要的blob。
另一種方法就是分水嶺算法
watersheds (ImageGauss, Basins, Watersheds)/
1、對圖像進行高斯濾波
還有的圖形更簡單直接二值化就可以啦
bin_threshold (Fin, Dark) //分割圖像，輸出Dark區域，Fin已經被處理為區域//
difference (Fin, Dark, Background) //計算Fin與Dark兩個區域的補集//
還有個函數應該說是讓你高興還是沮喪呢，以為一個函數就可以直接提取你想要的，但是參數很難調整
lines_gauss(Image, Lines, 6, 0.3, 0.5, 'light', 'true', 'gaussian', 'true')
三、贓物檢測
1、得到兩個不同高斯标準差的高斯積卷
2、對原始圖像進行傅裡葉變換'to_fre'
3、用之前的積卷對圖像做積卷濾波
4、傅裡葉反變換‘from_fre’
二值化算子與例程
auto_threshold
dyn_threshold
var_threshold
binary_threshold
fast_threshold
fast_threshold_vs_threshold
histo_to_thresh
local_threshold
threshold
threshold_sub_pix
C:\Users\Public\Documents\MVTec\HALCON-19.11-Progress\examples\hdevelop\Segmentation\Threshold
Halcon中實作Otsu 算法
https://blog.csdn.net/IntegralforLove/article/details/100102105Halcon算子學習：圖像門檻值分割-threshold、binary_threshold、dyn_threshold算子
https://blog.csdn.net/Vichael_Chan/article/details/1025760601.threshold-全局固定門檻值分割
2.Binary Threshold-自動全局門檻值分割
3.dyn_threshold-局部動态門檻值分割
4.var_threshold算子-均值和标準偏差局部門檻值分割
5.dual_threshold-雙重門檻值分割（有符号圖像的門檻值算子）
6.auto_threshold-自動全局門檻值分割
7.fast_threshold-快速全局門檻值分割
8.watersheds-分水嶺算法分割
---
參考文章：
提取線條的lines_color、lines_facet、 lines_gauss算子
halcon之共線連接配接union_collinear_contours_xld
用halcon提取衣服徽章
官方自帶的例子：
measure_grid.hdev
lines_gauss.hdev
edge_segments.hdev
rim_simple.hdev
sort_contours_xld.hdev
![查找算法之二分查找查找算法之二分查找[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)