自学内容网 自学内容网
自学内容网 > 正文

HALCON 算子 之 阈值分割算子

🕗 发布于 2024-12-07 10:19 HALCON  机器视觉  笔记  

文章目录

什么是阈值分割？

  • 在Halcon中，阈值分割是一种基于灰度、对比度等特征，将特定区域提取出来的图像处理技术。
  • 简单来说，阈值就是一个指定的像素灰度值的范围，阈值分割则是将图像中的像素灰度值与该阈值进行比较，落在该范围内的像素称为前景，其余的像素称为背景。这样，图像就变成了只有黑与白（或特定颜色）两种颜色的二值图像或特定区域图像，便于后续的处理和分析。

为什么要阈值分割？

  • 简化图像处理：
    阈值分割可以将复杂的图像简化为二值图像或特定区域图像，从而简化后续的处理步骤。
  • 提取目标区域：
    在许多图像处理任务中，需要提取出特定的目标区域。阈值分割可以根据灰度值等特征将目标区域与背景区域分离开来，从而方便地提取出目标区域。
  • 减少计算量：
    将图像转换为二值图像或特定区域图像后，可以显著减少后续处理的计算量，提高处理速度。
  • 提高处理精度：
    通过选择合适的阈值，可以准确地分割出目标区域，从而提高图像处理的精度和准确性。
  • 适应不同场景：
    Halcon提供了多种阈值分割算子，如全局阈值分割、自动阈值分割、局部阈值分割等，可以适应不同的图像处理场景和需求。

如何进行阈值分割？

全局

threshold —— 全局固定阈值分割

  • 利用全局阈值（中间分割线）分割图像，采用灰度区间g实现图像的全局分割，MinGray <= g <=MaxGray
threshold(Image : Region : MinGray, MaxGray : )

  • 使用场景： 背景和前景对比度较高，且灰度分布简单的图像

  • 参数：

    • MinGray: 阈值区间灰度值下限，默认128
    • MaxGray: 阈值区间灰度值上限，默认255

  • 优点： 计算简单，运算效率高

  • 缺点： 对噪声敏感，对于灰度分布复杂或光照不均匀的图像分割效果可能不佳

  • 效果：
    在这里插入图片描述

    • 分割前：
      在这里插入图片描述
    • 分割后
      在这里插入图片描述

auto_threshold —— 全局自动阈值分割

  • 根据直方图决定的阈值分割图像
auto_threshold(Image: Regions: Sigma:)
  • 使用场景： 适用于灰度直方图存在两个波峰的图像，能够自动找到最佳阈值进行分割
  • 参数：
    • Sigma:输入直方图的高斯滤波系数
  • 优点： 无需手动设定阈值，适用于多种图像
  • 缺点： 对于某些复杂图像，可能无法准确找到最佳阈值。
  • 效果：

    • 分割前：
      在这里插入图片描述

    • 分割后：
      在这里插入图片描述

fast_threshold —— 快速全局阈值分割

  • 利用全局阈值快速将图像二值化
fast_threshold(Image: Region: MinGray, MaxGray, MinSize:)
  • 使用场景： 需要快速分割图像且对分割精度要求不高的场合
  • 参数：
    • MinGray: 阈值区间灰度值下限
    • MaxGray: 阈值区间灰度值上限
    • MinSize: 提取的图像最小尺寸
  • 优点： 分割速度快，适用于实时处理
  • 缺点： 牺牲一定的分割精度

watersheds_threshold —— 分水岭盆地阈值分割

  • 从一副图像中提取分界线和“盆地”。
 watersheds_threshold(Image: Basins: Threshold:)
  • 使用场景： 适用于图像中存在多个连通区域且需要准确分割的场合
  • 参数：
    • Basins:分割黑斑区域
    • Threshold:输入分割灰度阀值
  • 优点： 能够处理复杂图像，分割效果直观。
  • 缺点： 容易产生过分割现象，对噪声敏感，计算复杂度较高。
  • 效果：

    • watersheds_threshold (ImageInvert, Basins, 100)

    • 分割前
      在这里插入图片描述

    • 分割后在这里插入图片描述

局部

dyn_threshold —— 局部动态阈值分割

  • 利用区域阈值分割图像
 dyn_threshold(OrigImage, ThresholdImage:RegionDynThresh: Offset, LightDark:)
  • 使用场景： 适用于背景不均匀或目标体局部亮度变化的图像。
  • 参数：
    • OrigImage :输入图像;
    • ThresholdImage:输入包含句柄阀值的图像;
    • RegionDynThresh :输出阀值切割的区域;
    • Offset:输入补偿值;
    • LightDark :输入提取哪个部分区域;
  • 优点： 能够适应背景变化，提高分割精度。
  • 缺点： 计算复杂度较高，需要两张图像。
  • 效果：

在这里插入图片描述

  • 分割前：
    在这里插入图片描述

  • 分割后：
    在这里插入图片描述

var_threshold —— 均值和标准差局部阈值分割

  • 根据局域平均标准偏差分析将图像二值化
 var_threshold(Image: Region:MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark:)
  • 使用场景： 适用于目标和背景灰度分布差异较大且对噪声不敏感的图像。
  • 参数：
    • MaskWidth: 用于平均值和偏差计算的掩码宽度
    • MaskHeight: 用于平均值和偏差计算的掩码高度
    • StdDevScale:灰度标准偏差值
    • AbsThreshold: 最小的灰度差别值
    • Threshold type :亮度类型
  • 优点： 能够较好地分开目标和背景，对不适合的参数设置不敏感。
  • 缺点： 参数设置较为复杂，需要一定的经验。
  • 效果：在这里插入图片描述

    • 分割前
      在这里插入图片描述

    • 分割后
      在这里插入图片描述

local_threshold —— 局部统计的阈值分割

local_threshold(Image : Region : Method, LightDark, GenParamName, GenParamValue : )

  • 使用场景： 适用于背景复杂且需要利用局部统计特征进行分割的图像。

  • 参数：

    • Method :分割方法
    • LightDark : 提取前景还是背景

  • 优点： 能够适应局部背景变化，提高分割准确性。

  • 缺点： 计算复杂度较高，可能受到噪声的影响。

  • 效果：
    在这里插入图片描述

    • 分割前
      在这里插入图片描述

    • 分割后
      在这里插入图片描述


原文地址：https://blog.csdn.net/m0_63509358/article/details/144292795

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

相关文章

自学内容网
Copyright © 2015-2024