Halcon中几种常见的图像分割学习

为什么要用图像分割 ？

答： 为了使图像进一步缩小，可以将感兴趣的区域从背景中分离出来，使关键目标更便于辨别和分析。

图像分割的标准：像素灰度、边界、几何形状、颜色、纹理等。

1. 阈值处理：

1. 全局阈值：输出阈值范围内灰度的像素。
   

*MinGray：灰度下限
*MaxGray：灰度上限
threshold(Image : Region : MinGray, MaxGray)

示例：

*选择0-90之间灰度的图像
threshold (ImageFilled, Region, 0, 90)
*将不相连的区域分开成若干个区域
connection (Region, ConnectedRegions)
*形状选择宽度在30px-70px之间的区域
select_shape (ConnectedRegions, SelectedRegions, 'width', 'and', 30, 70)
select_shape (SelectedRegions, Letters, 'height', 'and', 60, 110)

在Halcon常使用 “灰度直方图” 工具可视化选取阈值范围。

在Halcon常使用 “特征直方图” 工具可视化选取形状特征（这里既筛选了宽度&高度）。

2. 基于直方图的自动阈值分割：

*Sigma：平滑值，值越大越平滑，反之
auto_threshold(Image : Regions : Sigma)

Sigma值越大，波峰越少，分割区域数量越少。

3. 自动全局阈值分割：此算子根据像素分布提供了可选的分割方法 ：
   【1. 最大类间方差法 2.平滑直方图法】

*Method：分两个分割方法：
 			'max_separability'表示根据选择的极性，最大化分割
 			'smooth_histo'平滑直方图处理
*LightDark：表示极性，提取白或者黑
*UsedThreshold：返回所用的阈值
binary_threshold(Image : Region : Method, LightDark : UsedThreshold)

binary_threshold (Image, LightRegion, 'max_separability', 'light', UsedThreshold)

*开运算区域：先腐蚀，再膨胀，用于处理微小毛刺和噪点
opening_circle (LightRegion, Region, 3.5)

4. 局部阈值分割：适用于无法使用单一的阈值分割的情况，如背景比较复杂。
   一般和平滑滤波器 mean_image 一起使用。

*OrigImage：输入原图
*ThresholdImage：输入预处理图，用于局部变化对比 
*RegionDynThresh: 输出区域
*Offset:原图与均值图像对比之后大于此参数，会被输出
*LightDark:提取的极性，黑或者白
dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark)

2. 区域生长法：

1. regiongrowing算子：将灰度相似的相邻的像素合并为同一区域

*Row 和 Column分别表示卷积核的XY数量
*Tolerance：表示卷积核中心像素灰度与相邻像素的差值公差，大于公差丢弃，小于公差合并
*MinSize：表示输出的区域的最小像素数量
regiongrowing(Image : Regions : Row, Column, Tolerance, MinSize)

3. 分水岭算法：

1. watersheds_threshold算子：基于边缘的图像分割，通过寻找区域之间的分界线进行分割

*Basins：输出的盆地区域
*Threshold： 分割阈值，不要超出图像的的最大灰度
watersheds_threshold(Image : Basins : Threshold)

以上，如有错误，欢迎提出批评，谢谢。。。