通过IMAQ Extract Contour提取图像边缘轮廓，再用IMAQ Compute Curvature计算轮廓曲率并生成曲率轮廓的流程，开展机器视觉中轮廓与曲率相关的分析工作。
概念说明
-
轮廓提取：从图像中找出具有特定特征（如边缘、形状等）的曲线轮廓，是机器视觉中获取目标形状信息的基础操作。
-
曲率计算：描述曲线在某点处的弯曲程度，在轮廓分析中，可反映轮廓的形状变化特性，如平滑度、突变情况等。
IMAQ Extract Contour
-
功能：从图像中提取最佳轮廓，依据 "Curve Extraction Settings" 里的参数（如提取模式、边缘阈值等）来确定提取的轮廓。
-
使用场合：需要从图像中获取目标物体的边缘轮廓，用于后续形状分析、尺寸测量等场景，如零件外形检测、字符轮廓提取等。
-
特点：可通过多种参数（如边缘阈值、最小长度等）灵活控制轮廓提取的结果，能适应不同对比度、复杂度的图像；支持亚像素精度（Subpixel），提高轮廓提取的精度。
-
使用注意事项：需根据图像的实际情况调整 "Edge Threshold" 等参数，若阈值设置不当，可能提取到过多噪声轮廓或遗漏有效轮廓；"Min Length" 参数要根据目标轮廓的大致长度设置，过滤短的无效轮廓。
-
与类似功能对比 ：相比一些简单的边缘检测算子（如 Sobel、Canny 仅能得到边缘点），
IMAQ Extract Contour能直接提取连续的轮廓曲线，更便于后续基于轮廓的分析；不过在计算速度上，对于简单图像，可能不如一些轻量级边缘检测算子快，但在精度和对复杂轮廓的处理能力上更优。 -
实际应用案例：在半导体芯片外观检测中，提取芯片边缘轮廓，通过后续分析轮廓是否存在缺损、变形等情况，判断芯片是否合格。
IMAQ Compute Curvature
-
功能：计算提取轮廓的曲率，生成曲率轮廓，反映轮廓各点的弯曲程度变化。
-
使用场合：需要分析轮廓的形状特性，如判断轮廓是否平滑、是否存在尖角或突变区域，应用于物体形状识别、缺陷检测等，例如检测工件轮廓上的毛刺（毛刺处曲率会有突变）。
-
特点：能定量给出轮廓各点的曲率值，以曲线形式直观展示曲率分布；可通过 "Kernel Width" 等参数调整计算时的平滑程度，适应不同精度要求。
-
使用注意事项："Kernel Width" 参数影响曲率计算的平滑效果，过大会使曲率变化变得平缓，可能掩盖细节；过小则对噪声敏感，导致曲率曲线波动大，需根据图像噪声情况和分析需求调整；输入的轮廓需是连续且质量较好的，若轮廓本身存在较多噪声或不连续，计算出的曲率可靠性会降低。
-
与类似功能对比 ：与一些自定义的曲率计算代码相比，
IMAQ Compute Curvature集成在 NI 视觉开发环境中，使用更便捷，且经过优化，在处理大规模轮廓数据时效率更高；和其他视觉库中的曲率计算函数相比，其参数设置更贴合 NI 视觉软件的整体流程，兼容性更好。 -
实际应用案例：在汽车零部件密封件的检测中，提取密封件的轮廓，计算曲率后，分析曲率曲线，若某段曲率出现异常峰值，说明该段轮廓可能存在凸起等缺陷，不符合密封要求。