Halcon算子学习：图像阈值分割-threshold、binary_threshold、dyn_threshold算子

最新推荐文章于 2025-10-11 11:18:16 发布

原创

最新推荐文章于 2025-10-11 11:18:16 发布 · 2.2w 阅读

201 ·

CC 4.0 BY-SA版权

本文详细介绍了Halcon中的多种阈值分割算子，包括全局固定阈值threshold、自动全局阈值binary_threshold、局部动态阈值dyn_threshold、均值和标准偏差局部阈值var_threshold，以及双重阈值dual_threshold等。这些算子适用于不同的图像二值化场景，通过实例分析了它们的使用方法和适用条件，有助于理解和应用Halcon进行图像处理。

Halcon算子学习：图像阈值分割算子

前言

图像二值化是图像分析与处理中最常见最重要的处理手段，二值处理方法也非常多。越精准的方法计算量也越大。参考博客：

1.threshold-全局固定阈值分割

threshold(Image : Region : MinGray, MaxGray : )
——使用全局固定阈值分割图像
阈值从输入图像中选取灰度值g满足以下条件的像素点
在这里插入图片描述
满足条件的图像的所有点作为一个区域返回。如果传递多个灰度值间隔(MinGray和MaxGray的元组)，则每个间隔返回一个单独的区域。对于向量场图像，阈值不应用于灰度值，而是应用于向量的长度。

应用一：利用灰度直方图确定阈值进行图像分割。一般是物体与背景之间存在一个明显的灰度差，直方图会存在两个波峰一个是目标一个是背景，那么阈值就是物体与背景之间的最小值。

read_image (Image, 'clip')
*计算直方图
gray_histo (Image, Image, AbsoluteHisto, RelativeHisto)
*将直方图转换为区域（包含直方图的区域；输入的直方图；直方图中心的行/列坐标；直方图的比例因子）
gen_region_histo (Region, AbsoluteHisto, 255, 255, 1)
*利用直方图获取阈值
histo_to_thresh (AbsoluteHisto,10, MinThresh, MaxThresh)
*期望阈值
TarGetGray:=23
for Index := |MinThresh|-1 to 0 by -1
 if(MinThresh[Index]<=TarGetGray)
 	 	 MinThresh:= MinThresh[Index]
  	 break
  	 endif
 endfor
 for Index1 := 0 to |MaxThresh|-1 by 1
 	  if (MaxThresh[Index1]>=TarGetGray)
  	  		 MaxThresh:=MaxThresh[Index1]
 	  break
      endif
 endfor
*全局阈值分割
threshold (Image, Region1, MinThresh,