Halcon中partition_dynamic(Operator)算子原理及应用详解

在HALCON图像处理库中，partition_dynamic算子是一个强大的区域分割工具，特别适用于对OCR字符区域或具有特定形状特征的区域进行分割。
原型：partition_dynamic (SelectedRegions, Partitioned, 25, 20)
一、原理

partition_dynamic算子的主要原理是根据输入区域的特征，在最小垂直跨度位置进行水平分割。它通过分析输入区域的垂直范围变化，找到最佳分割点，从而将区域分割成多个子区域。

SelectedRegions：输入区域，即待分割的原始区域。
Partitioned：输出区域，即经过partition_dynamic算子处理后，被分割成多个子区域的集合。
Distance：近似分割的宽度，即每个子区域期望的列宽度。在本例中，设置为25。
Percent：搜索范围的比例因子，用于确定在寻找最小垂直跨度时的左右搜索范围。本例中设置为20，意味着搜索范围将是Distance的20%（即5个单位）左右。

算法的执行过程如下：

根据输入区域的最小轴平行包围矩形和Distance参数，计算初始的分割位置。这些位置通常均匀分布在输入区域的水平范围内。
在每个初始分割位置的邻域内（由Distance和Percent确定的范围），计算输入区域的垂直跨度。垂直跨度是指在该位置处，区域在垂直方向上的延伸范围。
找出具有最小垂直跨度的列坐标，将其作为当前的分割位置。这个最小垂直跨度位置通常对应于区域之间的自然分隔点。
重复上述过程，直到整个输入区域被分割成多个子区域。

二、应用

partition_dynamic算子在图像处理和机器视觉领域具有广泛的应用，特别是在以下方面：

OCR字符分割：在OCR应用中，经常需要将粘连在一起的字符分割开来。partition_dynamic算子能够根据字符之间的间隙（即最小垂直跨度位置）自动进行分割，提高OCR的识别准确率和稳定性。
形状分析：对于具有特定形状特征的区域，如条形码、矩形区域等，partition_dynamic算子也可以用于分割。通过调整Distance和Percent参数，可以实现对不同形状和大小的区域的精确分割。
复杂背景下的区域提取：在复杂背景下，如图像中存在噪声、干扰或光照不均等问题时，partition_dynamic算子仍然可以有效地提取出目标区域。它通过分析区域的垂直范围变化，能够忽略背景噪声和干扰，准确地找到目标区域之间的分隔点。

三、示例代码与解释

以下是一个使用partition_dynamic算子的示例代码及其解释：

* 读取输入图像并转换为二值图像
read_image (Image, 'example_image')
threshold (Image, Regions, 128, 255)

* 对二值图像进行形态学处理（如连接、填充等），得到待分割的区域
connection (Regions, ConnectedRegions)
fill_up_shape (ConnectedRegions, FilledRegions, 'area', 100, 200)

* 设置分割参数
Distance := 25
Percent := 20

* 应用partition_dynamic算子进行区域分割
partition_dynamic (FilledRegions, Partitioned, Distance, Percent)

* 显示分割结果
dev_display (Image)
dev_set_color ('green')
dev_display (Partitioned)

在这个示例中，我们首先读取了一张名为’example_image’的输入图像，并将其转换为二值图像。然后，我们对二值图像进行了形态学处理（如连接和填充），以得到待分割的区域（FilledRegions）。接着，我们设置了分割参数Distance和Percent，并使用partition_dynamic算子对输入区域进行了分割。最后，我们使用dev_display函数显示了原始图像和分割后的结果。

PS:这个算子非常重要，在OCR识别项目中的出镜率很高，建议去Halcon自带示例中多看几遍示例
推荐示例：dots_image.hdev