HALCON第二讲-＞预处理

以下是针对HALCON图像预处理算子的系统性解析，结合原理剖析、参数详解、场景示例及工业级代码注释，帮助开发者深入掌握核心预处理技术。

---

📊 一、去噪滤波：消除噪声干扰

1. 高斯滤波 gauss_filter

• 原理：
  基于二维高斯函数加权平均，距离中心越近的像素权重越高，数学表达：
  $$G(x,y)=\frac{1}{2\pi {\sigma }^2}{e}^{-\frac{x^2+y^2}{2{\sigma }^2}}$$
• 参数：
  Sigma（标准差）：控制平滑强度（典型值1.0~3.0），值越大越模糊。
  MaskSize（掩膜尺寸）：自动根据Sigma计算，通常无需手动设置。
• 场景：
  抑制高斯噪声（如传感器热噪声），适合边缘保留要求不极端的场景。
• 示例：

  read_image (Image, 'sensor_image.jpg')
  gauss_filter (Image, Smoothed, 2.5)  // Sigma=2.5，中度平滑
  

2. 中值滤波 median_image

• 原理：
  取邻域内像素灰度值的中位数替代中心值，有效消除离群点。
• 参数：
  MaskType：结构形状（'circle'或'square'）
  Radius：圆形半径或方形边长（如3~7像素）。
• 场景：
  去除椒盐噪声（如工业相机传输干扰），保留边缘锐利度。
• 示例：

  median_image (Image, Median, 'circle', 5)  // 圆形掩膜，半径5px
  

3. 自适应去噪 remove_image_noise (HALCON 10.0.2+)

• 原理：
  局部像素强度分析（LPI算法），动态调整滤波强度。
• 参数：
  Method：算法类型（'lpi'）
  Threshold：噪声检测阈值（值越小越敏感，典型20~30）
  FilterSize：局部窗口大小（奇数，如5×5）。
• 场景：
  混合噪声（如低光照图像），平衡去噪与细节保留。
• 示例：

  remove_image_noise (Image, Cleaned, 'lpi', 25, 'filter_size', 5) 
  

---

🔍 二、边缘检测：亚像素级轮廓提取

1. Canny算法 edges_sub_pix

• 原理：
  1. 高斯平滑 → 2. Sobel梯度计算 → 3. 非极大抑制 → 4. 双阈值连接边缘。
• 参数：
  Filter：边缘检测类型（'canny'）
  Alpha：平滑系数（小值保留细节，大值抗噪，典型1.0~2.0）
  Low/High：双阈值（低阈值:高阈值 ≈ 1:2~1:3，如20/40）。
• 场景：
  高精度尺寸测量（如齿轮齿距检测），要求亚像素级精度（误差<0.1px）。
• 示例：

  edges_sub_pix (Image, Edges, 'canny', 1.5, 25, 50)  // 抗噪与细节平衡
  fit_circle_contour_xld (Edges, 'algebraic', -1, 0, 0, _, Row, Col, Radius) // 圆拟合
  

2. Deriche算法 edges_deriche

• 原理：
  递归滤波器近似高斯导数，计算效率比Canny高30%。
• 参数：
  Alpha：平滑控制（值越大边缘越连续）
  Mode：梯度方向（'positive'仅检测正梯度）。
• 场景：
  实时检测（如流水线零件定位），资源受限场景。
• 示例：

  edges_deriche (Image, Edges, 1.0, 1.0, 'positive', 'all', 0, 255) 
  

---

三、图像分割算子详解

1. 阈值分割

• threshold
  原理：根据灰度值范围提取区域，适用于目标与背景对比度明显的场景。
  参数：
  • MinGray/MaxGray：灰度阈值范围（经验值：背景与目标灰度差>50）
  • 调优效果：
    • 范围过窄 → 漏检（目标不完整）
    • 范围过宽 → 过检（包含噪声）
      示例：

  read_image(Image, 'pcb.jpg')
  * 提取亮色焊点（灰度150~255）
  threshold(Image, SolderRegions, 150, 255)  
  

2. 区域生长

• regiongrowing
  原理：从种子点出发，合并灰度相似的相邻像素（相似性准则：灰度差≤阈值）。
  参数：
  • Tolerance：允许的灰度差异（典型值5~20）
  • MinSize：最小区域面积（过滤噪声）
    场景：医学图像肿瘤分割、金属表面纹理分析。
    示例：

  * 种子点选择亮斑，合并相似区域
  regiongrowing(Image, Regions, 10, 5, 100)  
  

3. 分水岭分割

• watersheds
  原理：将图像视为地形，模拟水流淹没过程生成分水岭线（边界）。
  参数：
  • Markers：预标记区域（避免过分割）
    调优技巧：
  • 预处理用高斯滤波降噪 → 减少虚假分水岭
    示例：

  gauss_filter(Image, Smoothed, 3)
  watersheds(Smoothed, Basins, Watersheds)  
  

4. 动态区域分割

• partition_dynamic
  原理：在最小垂直跨度位置切割区域，解决字符粘连问题。
  参数：
  • Distance：期望分割宽度（如字符宽度）
  • Percent：搜索范围比例（默认20%）
    场景：OCR字符分割、条形码分离。
    示例：

  * 分割粘连字符（期望宽度25像素）
  partition_dynamic(TextRegion, SplitRegions, 25, 20)  
  

---

🧩 四、形态学处理：优化区域结构

1. 基础操作

算子	原理	参数	场景
dilation_circle	圆形结构元素扩展边界	Radius（3~15）	连接裂缝（如金属表面缺陷）
erosion_circle	收缩边界去除孤立点	Radius（2~10）	分离粘连目标（如颗粒计数）
opening_circle	先腐蚀后膨胀	Radius（2~8）	去小噪点（<5px）
closing_circle	先膨胀后腐蚀	Radius（3~12）	填孔洞（如铸件气孔）

以下基于HALCON图像分割与形态学处理技术，结合工业视觉实践，系统梳理核心算子原理、参数调优策略及复杂场景解决方案，并提供可复用的代码示例。

---

形态学处理算子精解

1. 基础操作

算子	数学原理	作用	参数调优
dilation_circle	$A\oplus B$	扩大区域，连接裂缝	Radius↑ → 膨胀更强
erosion_circle	$A\ominus$