图像测量技术详解（含 Halcon 示例）

一、图像测量概述

图像测量是通过机器视觉技术对图像中的目标尺寸（长度、角度、面积、距离等）进行非接触式量化分析的技术，广泛应用于工业检测（零件尺寸公差、装配间隙）、医疗影像（器官大小）、精密制造等领域。其核心优势是：高精度、非接触、高效率，可替代传统卡尺、千分尺等接触式测量工具，适应自动化生产线需求。

图像测量的一般流程：

1. 图像采集（工业相机 + 镜头，需校准消除畸变）；

2. 预处理（去噪、增强、边缘提取）；

3. 特征提取（目标边缘、轮廓、关键点）；

4. 几何参数计算（长度、角度、面积等）；

5. 结果输出与分析（与标准值对比，判断合格性）。

二、图像测量的关键参数与方法

1. 长度测量

• 直线长度：两点间距离（如零件边缘的直线段长度）。

• 曲线长度：轮廓线的总长度（如管道的弯曲部分）。

2. 角度测量

• 两直线（或边缘）的夹角（如零件的倒角角度、多边形内角）。

3. 面积测量

• 区域的像素数量（转换为实际面积，如薄膜的孔洞面积）。

4. 距离测量

• 两平行直线的间距（如板材厚度、两平行线间隙）。

• 点到直线的距离（如圆心到边缘的距离）。

5. 圆 / 椭圆参数测量

• 直径、半径、圆心坐标（如轴承内圈直径）。

三、Halcon 测量核心算子

测量类型	关键算子	功能描述
边缘提取	edges_sub_pix	提取亚像素级边缘（高精度测量基础）
直线拟合	fit_line_contour_xld	从边缘轮廓拟合直线（获取直线参数）
圆 / 椭圆拟合	fit_circle_contour_xld、fit_ellipse_contour_xld	从轮廓拟合圆 / 椭圆（获取直径、圆心等）
距离计算	distance_pp、distance_pl	两点距离、点到直线距离
角度计算	angle_ll	两直线夹角
长度计算	length_xld	轮廓线长度
面积计算	area_center	区域面积与中心坐标
相机校准	calibrate_cameras	消除镜头畸变，建立像素与实际尺寸的映射

四、Halcon 测量实例

实例 1：零件直线边缘长度测量（亚像素级）

场景：测量金属零件某条直线边缘的实际长度（需先完成相机校准，获取像素 - 毫米转换系数）。

dev_update_off ()
* 1. 读取图像并预处理
read_image (PartImage, 'metal_part.png')
dev_close_window ()
get_image_size (PartImage, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_display (PartImage)
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
​
* 2. 提取亚像素边缘（高精度测量核心）
edges_sub_pix (PartImage, Edges, 'canny', 1, 20, 40)  // Canny算法提取边缘
​
* 3. 筛选目标边缘（假设为水平边缘，通过方向筛选）
select_contours_xld (Edges, SelectedEdges, 'direction', -0.1, 0.1, 0, 0)  // 保留接近水平的边缘
​
* 4. 拟合直线（获取直线端点）
fit_line_contour_xld (SelectedEdges, 'tukey', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist)
​
* 5. 计算长度（像素单位）
distance_pp (RowBegin, ColBegin, RowEnd, ColEnd, LengthPix)  // 两点距离（像素）
​
* 6. 转换为实际长度（假设校准后1像素=0.01毫米）
PixelToMM := 0.01
LengthMM := LengthPix * PixelToMM
​
* 7. 显示结果
dev_display (PartImage)
dev_set_color ('red')
gen_contour_polygon_xld (Contour, [RowBegin, RowEnd], [ColBegin, ColEnd])
dev_display (Contour)
disp_message (WindowHandle, '长度: ' + LengthMM$'6.3f' + ' mm', 'window', 10, 10, 'red', 'true')
​
stop ()

实例 2：圆孔直径测量（圆拟合）

场景：测量机械零件上圆孔的直径，通过拟合圆轮廓计算直径。

dev_update_off ()
* 1. 读取图像并提取圆孔区域
read_image (HoleImage, 'part_with_hole.png')
dev_close_window ()
get_image_size (HoleImage, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
​
* 2. 预处理：二值化+形态学去噪
threshold (HoleImage, Region, 50, 200)  // 分割圆孔区域（假设孔为暗区域）
opening_circle (Region, HoleRegion, 5)  // 去除噪声
connection (HoleRegion, SingleHole)  // 提取单个圆孔
​
* 3. 提取圆孔边缘（亚像素级）
gen_contour_region_xld (SingleHole, HoleContour, 'border')  // 生成区域轮廓
edges_sub_pix (HoleImage, EdgeContour, 'canny', 1, 30, 60)  // 提取边缘
reduce_domain (EdgeContour, SingleHole, HoleEdge)  // 筛选圆孔内的边缘
​
* 4. 拟合圆（获取圆心和半径）
fit_circle_contour_xld (HoleEdge, 'algebraic', -1, 0, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)
​
* 5. 计算直径（转换为实际单位）
PixelToMM := 0.02  // 校准后1像素=0.02毫米
DiameterMM := 2 * Radius * PixelToMM
​
* 6. 显示结果
dev_display (HoleImage)
dev_set_color ('green')
dev_display (HoleContour)
gen_circle_contour_xld (CircleContour, Row, Column, Radius, 0, 6.28318, 'positive', 1)
dev_set_color ('red')
dev_display (CircleContour)
disp_message (WindowHandle, '直径: ' + DiameterMM$'6.3f' + ' mm', 'window', 10, 10, 'red', 'true')
​
stop ()

实例 3：两平行线间距测量（厚度测量）

场景：测量薄片材料的厚度（两平行边缘的距离）。

dev_update_off ()
* 1. 读取图像并提取上下边缘
read_image (SheetImage, 'thin_sheet.png')
dev_close_window ()
get_image_size (SheetImage, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
​
* 2. 提取亚像素边缘
edges_sub_pix (SheetImage, Edges, 'sobel', 'vertical', 3, 20, 40)  // 提取垂直边缘（薄片边缘为垂直方向）
​
* 3. 分割上下两条边缘
split_contours_xld (Edges, SplitEdges, 10, 1)  // 分割长轮廓为短段
select_contours_xld (SplitEdges, TopEdge, 'position', 'row', 0, Height/2, 0, 0)  // 上边缘（行坐标较小）
select_contours_xld (SplitEdges, BottomEdge, 'position', 'row', Height/2, Height, 0, 0)  // 下边缘（行坐标较大）
​
* 4. 拟合两条平行线
fit_line_contour_xld (TopEdge, 'orthogonal', -1, 0, 5, 2, RowT1, ColT1, RowT2, ColT2, NrT, NcT, DistT)
fit_line_contour_xld (BottomEdge, 'orthogonal', -1, 0, 5, 2, RowB1, ColB1, RowB2, ColB2, NrB, NcB, DistB)
​
* 5. 计算两平行线间距（厚度）
distance_lr (RowT1, ColT1, RowT2, ColT2, RowB1, ColB1, RowB2, ColB2, DistancePix)  // 线到线距离（像素）
PixelToMM := 0.015
ThicknessMM := DistancePix * PixelToMM
​
* 6. 显示结果
dev_display (SheetImage)
dev_set_color ('blue')
gen_contour_polygon_xld (TopLine, [RowT1, RowT2], [ColT1, ColT2])
gen_contour_polygon_xld (BottomLine, [RowB1, RowB2], [ColB1, ColB2])
dev_display (TopLine)
dev_display (BottomLine)
disp_message (WindowHandle, '厚度: ' + ThicknessMM$'6.3f' + ' mm', 'window', 10, 10, 'blue', 'true')
​
stop ()

实例 4：角度测量（两直线夹角）

场景：测量机械零件倒角的角度。

dev_update_off ()
* 1. 读取图像并提取倒角边缘
read_image (ChamferImage, 'part_chamfer.png')
dev_close_window ()
get_image_size (ChamferImage, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
​
* 2. 提取亚像素边缘
edges_sub_pix (ChamferImage, Edges, 'canny', 1, 20, 50)
​
* 3. 筛选倒角的两条边缘
select_contours_xld (Edges, ChamferEdges, 'length', 50, 1000, 0, 0)  // 筛选长边缘
split_contours_xld (ChamferEdges, TwoEdges, 1, 1)  // 分割为两条边缘
​
* 4. 拟合两条直线
fit_line_contour_xld (TwoEdges[0], 'tukey', -1, 0, 5, 2, Row1_1, Col1_1, Row1_2, Col1_2, Nr1, Nc1, Dist1)
fit_line_contour_xld (TwoEdges[1], 'tukey', -1, 0, 5, 2, Row2_1, Col2_1, Row2_2, Col2_2, Nr2, Nc2, Dist2)
​
* 5. 计算夹角（弧度转角度）
angle_ll (Row1_1, Col1_1, Row1_2, Col1_2, Row2_1, Col2_1, Row2_2, Col2_2, AngleRad)
AngleDeg := rad(AngleRad)  // 转换为角度
​
* 6. 显示结果
dev_display (ChamferImage)
dev_set_color ('red')
gen_contour_polygon_xld (Line1, [Row1_1, Row1_2], [Col1_1, Col1_2])
gen_contour_polygon_xld (Line2, [Row2_1, Row2_2], [Col2_1, Col2_2])
dev_display (Line1)
dev_display (Line2)
disp_message (WindowHandle, '夹角: ' + AngleDeg$'6.1f' + ' °', 'window', 10, 10, 'red', 'true')
​
stop ()

五、图像测量的精度优化技巧

1. 相机校准：必须进行相机内参校准（calibrate_cameras）和畸变矫正（gen_image_map+map_image），消除镜头畸变对测量的影响；

2. 亚像素边缘提取：使用edges_sub_pix替代像素级边缘，将测量精度提升至 0.1 像素级别；

3. 光照控制：确保光照均匀，避免反光或阴影导致边缘模糊（可使用同轴光源、环形光源）；

4. 拟合算法选择：

   • 直线拟合优先用'tukey'（抗离群点）；

   • 圆拟合优先用'geometric'（几何误差最小）；

5. 多次测量取平均：对同一目标进行多次测量（不同位置或角度），减少随机误差；

6. ROI 限制：通过reduce_domain限制测量区域，排除无关背景干扰。

六、总结

图像测量的核心是从图像中提取高精度几何特征，并通过相机校准将像素单位转换为实际物理单位。Halcon 提供了从边缘提取到参数计算的完整算子链，结合亚像素技术和抗干扰拟合算法，可实现微米级测量精度。实际应用中需重点关注光照、校准和边缘质量，以确保测量结果的可靠性。