图像处理函数与形态学操作笔记（含 Halcon 示例）

一、区域筛选与特征提取函数

1. 区域筛选函数

• select_shape()

  功能：根据区域的形状特征（如面积、圆形度、凸度、长宽比等）筛选符合条件的区域。

  Halcon 示例：

  read_image (Image, 'pcb.jpg')  // 读取电路板图像
  threshold (Image, Regions, 100, 200)  // 二值化得到初始区域
  connection (Regions, ConnectedRegions)  // 分割为独立区域
  // 筛选出面积在50-500之间、圆形度>0.7的区域（如合格焊点）
  select_shape (ConnectedRegions, SelectedRegions, ['area','circularity'], 'and', [50,0.7], [500,1.0])

• select_gray()

  功能：根据区域内的灰度值范围筛选区域（如平均灰度、最大 / 最小灰度等）。

  Halcon 示例：

  read_image (Image, 'medical.png')  // 读取医学影像
  threshold (Image, Regions, 50, 255)  // 初步分割区域
  connection (Regions, ConnectedRegions)
  // 筛选出平均灰度>180的区域（如高密度钙化区域）
  select_gray (ConnectedRegions, Image, SelectedRegions, 'mean', 'and', 180, 255)

2. 几何特征提取函数

• smallest_rectangle2()

  功能：计算区域的最小外接矩形（支持旋转，返回中心坐标、宽、高、旋转角度）。

  Halcon 示例：

  read_image (Image, 'tilted_part.jpg')  // 读取倾斜零件图像
  threshold (Image, Region, 128, 255)
  // 计算最小外接矩形参数（Row中心、Col中心、Phi角度、Length1半宽、Length2半高）
  smallest_rectangle2 (Region, Row, Column, Phi, Length1, Length2)
  // 绘制外接矩形
  gen_rectangle2 (Rectangle, Row, Column, Phi, Length1, Length2)
  dev_display (Image)
  dev_display (Rectangle)

• area_center_gray()

  功能：计算区域的面积（像素数）和灰度中心（灰度加权的几何中心）。

  Halcon 示例：

  read_image (Image, 'cells.png')  // 读取细胞图像
  threshold (Image, Cells, 80, 200)
  connection (Cells, SingleCells)
  // 计算每个细胞区域的面积和灰度中心
  area_center_gray (SingleCells, Image, Area, RowGray, ColGray)
  // 打印结果（如第1个细胞的面积和中心）
  tuple_get (Area, 0, CellArea)
  tuple_get (RowGray, 0, CellRow)
  tuple_get (ColGray, 0, CellCol)

3. 灰度特征提取函数

函数名	功能	Halcon 示例
gray_feature()	提取区域中最小灰度值	hdevelop<br>gray_feature (Region, Image, 'min', MinGray) // MinGray为最小灰度值
gray_features	提取区域中最大灰度值	hdevelop<br>gray_features (Region, Image, 'max', MaxGray) // MaxGray为最大灰度值
min_max_gray()	同时提取最大与最小灰度值	hdevelop<br>min_max_gray (Region, Image, 0, Min, Max, Range) // Range=Max-Min
intensity()	提取灰度平均值与偏差	hdevelop<br>intensity (Region, Image, Mean, Deviation) // Mean平均值，Deviation偏差

二、形态学操作（Halcon 实现）

核心特性

• 适用对象：二值图像（gen_*函数）或灰度图像（gray_*函数）

• 作用：提取形状特征、去噪、分离物体、填充孔洞等

1. 顶帽操作（gray_tophat）

• 计算公式：

  原始图像 - 开运算结果 = 顶帽图像

  （开运算：先腐蚀后膨胀，去除小的亮区域）

• 功能：突出图像中 "小的、亮的区域"（如暗背景中的小亮斑）。

• Halcon 示例：

  read_image (Image, 'starry_sky.jpg')  // 暗背景星空图像
  // 定义结构元素（圆形，半径5）
  gen_circle (SE, 10, 10, 5)
  // 灰度顶帽操作，提取小亮点（星星）
  gray_tophat (Image, SE, Tophat)
  dev_display (Tophat)  // 显示提取的亮斑

2. 低帽操作（gray_bothat）

• 计算公式：

  闭运算结果 - 原始图像 = 低帽图像

  （闭运算：先膨胀后腐蚀，填充小的暗区域）

• 功能：突出图像中 "小的、暗的区域"（如亮背景中的小暗点）。

• Halcon 示例：

  read_image (Image, 'white_paper.jpg')  // 白纸含小黑点图像
  gen_circle (SE, 10, 10, 3)  // 小结构元素
  // 灰度低帽操作，提取小黑点杂质
  gray_bothat (Image, SE, Bothat)
  dev_display (Bothat)  // 显示提取的暗点

以上函数和操作是 Halcon 中图像分析的基础工具，通过组合使用可实现目标检测、缺陷识别、特征测量等复杂任务。