Halcon算子学习——图像阈值分割算子

图像二值化是图像分析与处理中最常见最重要的处理手段，二值处理方法也非常多。越精准的方法计算量也越大。

一、threshold-全局固定阈值分割

threshold(Image : Region : MinGray, MaxGray : )

使用全局固定阈值分割图像，阈值从输入图像中选取灰度值g满足以下条件的像素点

满足条件的图像的所有点作为一个区域返回。如果传递多个灰度值间隔(MinGray和MaxGray的元组)，则每个间隔返回一个单独的区域。对于向量场图像，阈值不应用于灰度值，而是应用于向量的长度。

read_image (Image, 'F:/2.jpg')
*计算直方图
gray_histo (Image, Image, AbsoluteHisto, RelativeHisto)
*将直方图转换为区域（包含直方图的区域；输入的直方图；直方图中心的行/列坐标；直方图的比例因子）
gen_region_histo (Region, AbsoluteHisto, 255, 255, 1)
*利用直方图获取阈值
histo_to_thresh (AbsoluteHisto,10, MinThresh, MaxThresh)
*期望阈值
TarGetGray:=23
for Index := |MinThresh|-1 to 0 by -1
 if(MinThresh[Index]<=TarGetGray)
 	 	 MinThresh:= MinThresh[Index]
  	 break
  	 endif
 endfor
 for Index1 := 0 to |MaxThresh|-1 by 1
 	  if (MaxThresh[Index1]>=TarGetGray)
  	  		 MaxThresh:=MaxThresh[Index1]
 	  break
      endif
 endfor
*全局阈值分割
threshold (Image, Region1, MinThresh, MaxThresh)

二、auto_threshold

自动根据绝对灰度直方图中的灰度分布生成区域，其实是根据平滑的sigma的图像和灰度值，选取每个山峰为独立区域，分割区域是以谷底（最小值）为准！

read_image (Image, 'F:/2.jpg')
median_image (Image, Median, 'circle', 3, 'mirrored')

*使用灰度直方图分割
* gray_histo (Median, Median, AbsoluteHisto, RelativeHisto)
* gen_region_histo (Region, AbsoluteHisto, 255, 255, 1)
* histo_to_thresh (AbsoluteHisto, 1, MinThresh, MaxThresh)
* threshold (Median, Region1, MinThresh, MaxThresh)
* connection (Region1, Connected1)


*使用自动多阈值分割
auto_threshold (Median, Region2, 1.0)

三、Binary Threshold-自动全局阈值分割

binary_threshold(Image : Region : Method, LightDark : UsedThreshold)
——自动全局阈值分割（自动确定的全局阈值分割单通道图像，并在区域中返回分割后的区域）
输入：

Image:需要进行阈值的图像
Region:处理后的区域

输出：

    Method:分割方法(‘max_separability’：最大限度的可分性, ‘smooth_histo’：直方图平滑)
    LightDark:提取的是黑色部分还是白色部分
    UsedThreshold:自动阈值使用的阈值值

read_image (Image, 'F:/2.jpg')
median_image (Image, Median, 'circle', 3, 'mirrored')
binary_threshold (Image, Region, 'max_separability', 'dark', UsedThreshold)

例如，分割均匀照明的背景上有用的字符。binary_threshold还返回UsedThreshold中使用的阈值。
使用的阈值由方法中给出的方法确定。目前，该操作符提供了以下两个方法：
’max_separability’：最大限度的可分性, ‘smooth_histo’：直方图平滑。
这两种方法只能用于具有双峰直方图的图像。

四、dyn_threshold-局部动态阈值分割

dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )
——局部动态阈值分割 Dynamic Threshold

    ThresholdImage：是我们用来作为灰度值参考的另外一幅图像，在实际使用过程中通常都是对原图像OrigImage进行一次平滑处理，然后用平滑处理之后得到的图像作为参考图像。
    LightDark：是问我们提取亮？暗？还是相似的区域？（当然，这是相对于ThresholdImage）
    Offset：其实是在设定一个比较的区间范围，因为在图像处理这个主观性本来就比较强的领域中“绝对”这个科学名次实在有点太过分，所以什么事情，只要在一个合理的范围内，我们都是可以接受的，而不是死死抓住一个点不放，最后也得不到想要的结果。

read_image (Image, 'F:/2.jpg')
mean_image (Image, ImageMean, 9, 9)
dyn_threshold (Image, ImageMean, RegionDynThresh, 10,'light')

小结：

threshold是最简单的阈值分割算子，理解最为简单；binary_threshold是自动阈值算子，它可以自动选出暗（dark）的区域，或者自动选出亮（light）的区域，理解起来也没有难度。
动态阈值算子dyn_threshold理解起来稍微复杂一点，使用dyn_threshold算子的步骤基本是这样的：

① 将原图进行滤波模糊处理。

② 用原图和模糊后的图逐个像素做比较，它可以根据参数分割出原图比模糊后的图灰度高（或者低）若干个灰度值的区域。

参考：

https://blog.csdn.net/Vichael_Chan/article/details/102576060