HALCON算子函数——Chapter 15 : Segmentation

最新推荐文章于 2025-10-15 20:05:24 发布

原创

最新推荐文章于 2025-10-15 20:05:24 发布 · 5.8k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#class #image #测试 #数据库

本文详细介绍了HALCON库中Chapter 15的图像分割相关算子，包括分类、边缘检测、区域生长、阈值处理和地形分析等方法，如高斯混合模型分类、边缘检测、区域增长、自动阈值等，为图像处理提供多种工具。

Chapter_15:Segmentation

15.1 Classiﬁcation

1. add_samples_image_class_gmm

功能：将从图像中获取的测试样本添加到高斯混合模型的测试数据库中。

2．add samples_image_class_mlp

功能：将从图像中获取的测试样本添加到多层视感控器的测试数据库中。

3. add_samples_image_class_svm

功能：将从图像中获取的测试样本添加到一个支持向量机的测试数据库中。

4. class_2dim_sup

功能：采用二维空间像素分类分割图像。

5. class 2dim unsup

功能：将两幅图像以聚类分割。

6.class ndim_box

功能：利用立方体将像素分类。

7. class_ndim_norm

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

think_fast

关注关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Halcon那些事:Halcon算子中文解释

十多年IT经验,专注机器视觉,智能制造半导体行业

01-12

4387

Chapter_1_:Classification 1.1 Gaussian-Mixture-Models 1.add_sample_class_gmm 功能：把一个训练样本添加到一个高斯混合模型的训练数据上。 2.classify_class_gmm 功能：通过一个高斯混合模型来计算一个特征向量的类。 clear_all_class_gmm 功能：清除所有高斯混合模型。 clear_class_gmm 功能：清除一个高斯混合模型。 clear_samples_class_gmm 功能：清除一

halcon—利用顶帽操作减轻图像灰度不均匀对二值化的影响

asd_sz的博客

04-07

2612

先看原图由于这副图像的灰度是渐变的，如果直接进行二值化处理的话......，会是这个样子附上顶帽操作相关介绍顶帽运算和黑帽运算 - 爱码网 (likecs.com) 先使用halcon自带顶帽函数操作 ead_image (Image, '//Mac/Home/Documents/halcon/demos/去除不均匀光线/1.png') rgb1_to_gray (Image, GrayImage) *直接二值化 threshold (GrayImage, Region, 128,

参与评论您还未登录，请先登录后发表或查看评论

Halcon区域生长的几种算法regiongrowing/regiongrowing_mean/watersheds

fallingleafgrief的博客

12-28

4938

如果想要获得具有相似灰度的相连区域，可以使用区域生长法寻找相邻的符合条件的像素。区域生长法的基本思想是，在图像上选定一个“种子”像素或“种子”区域，然后从“种子”的邻域像素开始拽索，将灰度或者颜色相近的像素附加在“种子”上，最终将代表同一物体的像素全部归属于同一“种子”区域，达到将目标物体分割出来的目的。区域生长法的算法执行速度非常快，适用于对检测速度要求高的情况。

Halcon图像分割-区域提取

最新发布

like_sunshine978的博客

10-15

787

特性基于像素的区域生长 (基于区域的区域生长 (输入原始灰度图像初始区域集合 + 原始图像起点网格种子点已有的区域边界生长单元单个像素整个区域核心参数Tolerance（灰度容差）,Row/Column（种子密度）（特征容差）,Iterations（迭代次数）应用场景灰度均匀、背景简单的图像复杂图像，作为后处理步骤，合并过分割区域优点直接，无需预处理更鲁棒，对噪声和初始种子不敏感，能利用区域特征缺点对噪声和参数敏感，易产生渗漏依赖初始分割的质量。

Halcon之感兴趣的区域

weixin_43488529的博客

09-27

4562

文章目录2、感兴趣的区域2.1 基本概念2.1.1 Create Region2.1.2 Create ROI2.1.3 A First Example2.2 扩展概念2.2.1 分割图像2.2.2 绘制区域2.2.3 创建区域2.2.4 处理区域2.2.5 对齐 ROI 或图像2.2.6 Create ROI2.2.7 可视化结果2.3 编程示例2.3.2 图像的交互式部分过滤2.3.3 检查工具的轮廓2.4 Selecting Operators2.4.1 分割图像2.4.2 绘制区域2.4.3 创建区

Halcon图像分割

weixin_30642029的博客

08-13

1035

auto_threshold(Image : Regions : Sigma : ) * 对单通道图像做自动阈值（灰度直方图确定）分割Sigma：灰度直方图高斯光滑核（标准差），光滑消除噪声，并且分割区域 binary_threshold(Image : Region : Method, LightDark : UsedThreshold) * 使用二值阈值进行图像分割...

HALCON算子函數Chapter 15： Segmentation.doc

04-12

HALCON 是一款强大的机器视觉软件，其算子函数库包含了丰富的图像处理和分析工具。在Chapter 15中，主要讨论了图像分割的相关技术，包括分类、边缘检测、区域生长、阈值处理以及地形分析等几个关键领域。下面将对...

HALCON算子函数详解：图像分割与边缘检测

"HALCON算子函数Chapter 15涵盖了图像分割中的几个关键方法，包括分类、边缘检测和区域生长等技术。这些算子在机器视觉和图像处理中扮演着重要角色，帮助从图像中提取有用信息并进行精确的物体识别和定位。" 在...

Halcon算子

07-07

Chapter 15: 分割（Segmentation）包含分类分割（Classification）、边缘检测（Edges）、区域生长（Regiongrowing）、阈值分割（Threshold）和拓扑分割（Topography）等。 Chapter 16: 系统（System）系统章节...

Halcon 图片分割像素灰度分类分割

廷益_飞鸟的博客

11-22

424

Halcon 图片分割像素灰度分类分割

Halcon阈值处理的几种分割方法threshold/auto_threshold/binary_threshold/dyn_threshold

fallingleafgrief的博客

12-28

7378

在场景中选择物体或特征是图像测量或识别的重要基础，而阈值处理是最简单也最常用的区域选择方法，特别适用于目标和背景的灰度有明显区别的情况。下面就介绍几种常用的阈值处理方法。

halcon-图像分割

eric_beibei的博客

05-07

3451

将图像中具有特殊意义的不同区域划分开来，这些区域是互不相交的，每一个区域满足灰度、纹理、彩色等特征的某种相似性准则。

Halcon参考手册, 第二十四章 Segmentation，分割 (持续更新中)

qq_45813590的博客

09-07

1116

通常输入图像和滤波后的图像，例如图像的均值，是逐像素比较的。与基于直方图的阈值算子不同，局部阈值还考虑到像素的位置或邻域，以将它们分配到适当的区域。从另一张图像中减去一张图像或使用边缘检测算子(如laplace_of_gauss)通常会导致生成的图像为负值。操作符var_threshold以类似的方式工作，除了它选择图像中满足特定条件的点(关于它们的局部标准偏差和亮度)。对图像进行分割的一种方法是使用阈值算子。下面的段落通过区分基于直方图的方法和局部方法来概述这些操作符，并仔细研究其中最重要的操作符。

halcon学习笔记(3)——critical_points例子学习(图像分割Region)

abcvincent的博客

09-01

6347

例子在HDevelop自带例子里面，叫critical_points；目的是在所画的闭合区域内的进行检测图像中的鞍点，鞍点具体是什么我这里也不太了解；以后深入再叙述吧。话不多说先上例子：例子中输入图像和处理后的图像是这样子：左边是输入图像，白色的圈是鼠标画出的闭合区域，右边是图像分割后图像，并检测鞍点，就是图中黑白交错的圆圈；我使用的图形如下：

Halcon函数总结(五)

白色冰激凌的技术专栏

04-20

1750

close_edges(Edges,EdgeImage :RegionResult :MinAmplitude : ) //关闭边缘的缺陷 close_edges_length(Edges,Gradient :ClosedEdges :MinAmplitude,MaxGapLength : )//关闭边缘的缺陷参考例程：close_edges.hdev ====

网格缺陷检测（高斯混合模型GMM）

w3071206219的博客

12-26

2441

*此示例程序向您展示如何使用GMM分类器进行新颖性检测以执行Web检查任务。要进行新奇检测， *计算属于单个训练类的所有像素，然后进行计算从分类ROI中减去以提取错误像素。对于网络检查任务，GMM因此可用于检测纹理与训练好的物体的纹理不对应。 read_image (Image, 'plastic_mesh/plastic_mesh_01') get...

Halcon_基于高斯混合模型分类器

wanxiweilai的博客

12-24

2725

检测流程如下：创建高斯混合模型分类器create_class_gmm 添加模型到高斯分类器句柄add_samples_image_class_gmm 训练高斯分类器train_class_gmm create_class_lut_gmm 匹配高斯混合模型分类器classify_image_class_lut ...