halcon-blob

在图像处理中，Blob（Binary Large Object）分析是一种常见的用于分割和测量图像中特定形状区域的技术。Halcon是一个强大的机器视觉软件库，提供了丰富的工具和函数来处理图像

halcon自带图片路径

C:\Users\Public\Documents\MVTec\HALCON-18.11-Progress\examples

blob常用算子：

1.固定阈值分割

适用于目标与背景灰度差异明显的图像，如工业检测中的高对比度物体分割‌

threshold(GrayImage, Region, 100, 255)
rayImage：输入的灰度图像，通常通过rgb1_to_gray函数从彩色图像转换而来‌1。
Region：输出区域，包含所有亮度值在阈值范围内的像素‌1。
100, 255：指定阈值范围，即亮度值≥100且≤255的像素会被分割为前景‌1

2.二值化自动阈值分割

适用于具有明显的双峰的直方图，自动确定阈值

*参数1 输入图片
*参数2  二值化输出区域
*参数3 阈值分割方式*max_separability  最大限度分离物体和背景部分*smooth_histo  获取直方图，再平滑直方图， 查找最小值作为阈值
*参数4 提取的区域是亮部分还是暗部分 dark暗部分，light 亮部分
*参数5 阈值
binary_threshold (Image, Region, 'max_separability', 'light', UsedThreshold)案例：
read_image(Image, 'audi2')
binary_threshold(Image, Region, 'max_separability', 'light', UsedThreshold)
dev_display(Region)

3.自动阈值分割

 适用于‌光照均匀、目标与背景灰度差异明显‌的图像

read_image(Image, 'audi2')参数3为高斯平滑的Sigma值，控制分割的精细程度：Sigma较小时（如4），直方图保留较多细节，分割结果更精细‌。Sigma较大时，直方图趋于单峰，可能仅生成一个分割结果‌高对比度图像 使用较小值（3-5） 保留了更多细节 产生更多阈值低对比度图像 使用较大值（6-10）平滑效果更强，产生阈值就少
auto_threshold(Image, Regions, 4) 
* 参数4表示分割出的区域数
dev_display(Regions)

4.动态阈值分割

适用于光照不均或背景变化的场景。

1. 参数说明‌read_image(Image, 'audi2')mean_image(Image, ImageMean, 31, 31)是Halcon中用于图像均值滤波的核心算子，通过31×31像素的方形邻域计算灰度平均值实现平滑处理‌12。其关键特性如下：‌参数解析‌Image：输入图像（支持byte/int2/uint2/int4/real等类型）‌2ImageMean：输出平滑后的图像31,31：滤波器掩模的宽度和高度（必须为奇数，自动校正偶数值）‌
   mean_image(Image, ImageMean, 31, 31)Image：待分割的原始图像ImageMean：参考图像（通常为原始图像的平滑版本，可通过mean_image等滤波生成）‌1RegionDynThresh：输出分割区域5：灰度差值阈值（Offset），决定敏感度，推荐范围5-40‌4'light'：提取模式，表示选择比参考图像更亮的区域（其他模式包括dark/equal/not_equal）‌
   dyn_threshold(Image, ImageMean, RegionDynThresh, 5, 'light')
   dev_display(RegionDynThresh)

   5.字符阈值分割

    用于字符分割的阈值处理算子，基于局部自适应阈值的方法提取图像当中的文字区域

   dev_clear_window ()
   read_image (Image, 'alpha1')
   get_image_size (Image, Width, Height)
   dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
   set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
   dev_display (Image)* 专门用于字符分割的阈值处理算子，基于局部自适应阈值的方法提取图像当中的文字区域
   * 参数1 输入图片
   * 参数2 输入区域
   * 参数3 输出图像
   * 参数4 sigma高斯平滑度
   * 参数5 用于确定阈值的百分比 定义字符与背景分离的程度 常用范围90-98之间，暗背景/亮字符96-98
   * 参数6 选择的阈值
   char_threshold (Image, Image, Characters, 2, 95, Threshold)
   connection (Characters, ConnectedRegions)
   select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 110, 500)
   dev_display (SelectedRegions)

    一般blob使用步骤：

1. 图像预处理‌

• 读取图像并转换为灰度图：read_image + rgb1_to_gray‌
• 必要时进行直方图分析（gray_histo）以确定合适的阈值范围‌

‌2. 阈值分割‌

根据图形特征使用不同的分割方式

‌3. 区域连通与筛选‌

• 使用connection确保区域连通性‌通过
• select_shape或特征筛选助手按面积、宽高比等过滤目标‌

• elect_shape(Regions, SelectedRegions, 'area', 'and', 100, 1000); // 筛选面积范围

‌4. 可视化与输出‌

使用dev_display显示分割结果及定位标记‌

案例1: 

 案例2 找到最大的筛选结果

read_image(Image, 'audi2')
rgb1_to_gray(Image, GrayImage)
threshold(GrayImage, Region, 100, 255)
count_obj(Region, Number)
select_obj(Region, SelectedRegions, 1)  // 选择最大的Blob（如果有多个）
dev_display(SelectedRegions)
dev_set_color('green')
dev_display(SelectedRegions)  // 以绿色显示选定的Blob区域