HalconLen5-全局与动态阈值和均值滤波

最新推荐文章于 2025-12-04 11:57:01 发布

原创最新推荐文章于 2025-12-04 11:57:01 发布 · 357 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#均值算法 #计算机视觉 #算法

Halcon 专栏收录该内容

6 篇文章

订阅专栏

本文介绍了在Python中使用图像处理技术，包括获取图像尺寸、窗口操作、灰度转换、阈值处理（全局和自适应），以及均值滤波的过程，以实现更准确的二值图像处理。

部署运行你感兴趣的模型镜像

read_image(Image, 'C:/Users/86173/Desktop/test/4.png')

get_image_size(Image, Width, Height)
dev_close_window()
dev_open_window(0, 0, Width, Height, 'black', WindowHandle)

dev_display(Image)

rgb1_to_gray(Image, GrayImage)

gray := 88

threshold(GrayImage, Region, gray, 255) //全局阈值

binary_threshold(GrayImage, Region1, 'max_separability', 'dark', UsedThreshold) //将灰度图像转换为二值图像的函数

mean_image(GrayImage, ImageMean, 15, 15) //均值滤波(计算图像像素值的平均值的函数)


dyn_threshold(GrayImage, ImageMean, RegionDynThresh, 15, 'light') //动态阈值（根据局部图像信息动态计算阈值的函数。它使用自适应算法来确定每个像素的最佳阈值，从而创建更准确和鲁棒的二值图像）