halcon-图像分割

最新推荐文章于 2025-11-27 23:06:07 发布

原创

最新推荐文章于 2025-11-27 23:06:07 发布 · 3.4k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #opencv #图像处理

本文介绍了图像分割的几种方法，包括阈值分割、边缘检测（如Sobel算子）、区域生长和Hough变换。详细讲解了每种方法的原理和应用，如Sobel算子在边缘检测中的作用，以及Hough变换在检测直线和曲线上的应用。

图像分割的方法有阈值分割、边缘检测、区域生长、霍夫变换等。

一、阈值分割

是把图像的灰度分成不同的等级，然后用设置灰度门限（阈值）的方法确定有意义对的区域或要分割物体的边界。

read_image(Image, 'letters')
*计算图像的灰度直方图
gray_histo(Image, Image, AbsoluteHisto, RelativeHisto)
*从直方图中确定灰度值阈值
histo_to_thresh(RelativeHisto, 8, MinThresh, MaxThresh)
*根据上面计算得到的直方图谷底进行阈值分割
threshold(Image, Region, MinThresh[0], MaxThresh[0])

根据直方图谷底确定阈值法

二、边缘检测

边缘检测的典型算子有Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、高斯-拉普拉斯算子

Sobel算子是较为常用的边缘检测方式

read_image(Image4, 'fabrik')
*sobel滤波
sobel_amp(Image4, EdgeAmplitude, 'sum_abs', 3)
*阈值分割得到边缘
threshold(EdgeAmplitude, Region5, 10, 255)
*边缘骨骼化
skeleton(Region5, Skeleton1)
dev_display(Ske