关于Halcon的复杂图形中心点查找

上面是一张比较复杂的图形，我们希望通过Halcon一系列的算子进行处理，查找到星点交叉处的中心点。

---

mean_image (Image, ImageMean, 41, 41)

将图片进行均值处理，让分离的星点模糊化，从而达到融合成一个区域的目的。
处理结果如下：

binary_threshold (ImageMean, Region, 'max_separability', 'light', UsedThreshold)  

通过二进制阈值选取的算子，设定’max_separability’最大分离度以及’light’光组织的模式，系统自动选取阈值大小UsedThreshold，最终确定区域输出到Region。
处理效果如下：

skeleton (Region, Skeleton)

计算Region区域的框架。
处理效果如下：

gen_contours_skeleton_xld (Skeleton, Contours, 1, 'generalize1')

将刚刚建立的框架转化成xld轮廓。

select_shape_xld (Contours, SelectedXLD, 'contlength', 'and', 300, 900)

将筛选的条件设立为’contlength’连续长度，长度限定为300到900，将结果输出到SelectedXLD。

gen_region_contour_xld (SelectedXLD, Region1, 'filled')

将筛选出来的XLD轮廓转化成区域。
处理效果如下：

由于上图的区域是不连贯的，为了达到查找区域中心点的效果，我们需要将这四个区域扩大，以便它们能够产生相交的区域。

dilation_rectangle1 (Region1, RegionDilation, 18, 18)

处理效果如下：

从视觉上我们能够直观地发现，这四个区域是存在相交的地方，为了能够将这个相交的区域提取出来，我们需要进行以下算子的处理：

count_obj (RegionDilation, Number)
select_obj (RegionDilation, ObjectSelected, 1)
if(Number == 4)
    for i := 2 to Number by 1
        select_obj (RegionDilation, ObjectSelected1, i)
        intersection (ObjectSelected, ObjectSelected1, RegionIntersection)
    endfor

我们通过将四个区域足一提取出来并且计算相交区域，从而得出四个区域的交集。
处理的效果如下：

area_center (RegionIntersection, Area, Row, Column)
gen_cross_contour_xld (Cross, Row, Column, 20, 0)

最终通过这个交集区域，计算出整个复杂星点交叉区域的中心点。
处理的效果如下：