Halcon工业图像处理：形态学操作与缺陷检测

图像预处理

复制代码

* 1. 读取图像（打印机芯片图像，用于演示工业场景的形态学处理）
read_image (Image, 'printer_chip/printer_chip_01')
* 2. 二值化：将灰度图转为黑白，提取前景区域（芯片的金属引脚/线路）
threshold (Image, Region, 128, 255)

* 3. 圆形腐蚀：缩小前景区域，消除小的亮噪点/细化边缘
* 参数：输入区域、输出区域、腐蚀半径（3.5像素）
erosion_circle (Region, RegionErosion, 3.5)

* 4. 圆形膨胀：扩大前景区域，填补小的暗缺陷/粗化边缘
* 注意：这里是对"腐蚀后的区域"膨胀，本质是先腐蚀再膨胀=开运算
dilation_circle (RegionErosion, RegionDilation,3.5)

* 5. 开运算（内置算子）：先腐蚀后膨胀，核心作用是"去除小的亮噪点，保留大区域形状"
* 等同于上面的erosion_circle + dilation_circle（同半径）
opening_circle (Region, RegionOpening, 3.5)

* 6. 闭运算（内置算子）：先膨胀后腐蚀，核心作用是"填补小的暗孔洞/缺陷，保留大区域形状"
* 半径11.5更大，用于填补芯片线路中的大一点的缝隙
closing_circle (Region, RegionClosing, 11.5)

* 1. 读取另一张测试图像（clip，裁剪后的图像）
read_image (Image1, 'clip')
* 2. 二值化：提取低灰度的前景区域（10-80灰度值）
threshold (Image1, Region1, 10, 80)

* 3. 自定义结构元：创建一个圆心(200,200)、半径3.5的圆形结构元
* 注意：结构元的坐标不影响膨胀效果，只看形状（圆形）和大小（半径）
gen_circle (Circle, 200, 200, 3.5)

* 4. 自定义结构元的膨胀：通用形态学膨胀算子
* 参数：输入区域、结构元、输出区域、迭代次数（1次）
dilation1 (Region1, Circle, RegionDilation1, 1)

* 5. 简化版圆形膨胀：封装后的算子，等同于上面的gen_circle + dilation1
dilation_circle (Region1, RegionDilation2, 3.5)

表格

算子	操作逻辑	核心作用	适用场景
erosion_circle	单独腐蚀	去除小亮点、细化边缘	降噪（亮噪点）、轮廓细化
dilation_circle	单独膨胀	填补小暗孔、粗化边缘	补缺陷（暗孔洞）、轮廓加粗
opening_circle	腐蚀→膨胀	去噪（不改变大区域形状）	工业缺陷检测（去小亮点）
closing_circle	膨胀→腐蚀	补缺陷（不改变大区域形状）	工业缺陷检测（补小暗孔）
dilation1	自定义结构元膨胀	支持任意形状的膨胀（圆 / 矩形 / 异形）	特殊形状的轮廓规整

图像导出保存以及裁剪

一、窗体 / 图像导出保存类（核心：保存可视化结果 / 图像）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`dev_get_window`	获取当前激活的窗体句柄	`WindowHandle`：输出，窗体句柄（后续导出 / 绘制需用到）	必须先打开窗体（如`dev_open_window`）才能获取，否则报错
`dev_disp_text`	在窗体指定位置显示文本	1. 显示内容（如 'hello'）2. 显示位置参考（'window'= 相对窗体，'image'= 相对图像）3. 垂直对齐（'top'/'bottom'/'center'）4. 水平对齐（'left'/'right'/'center'）5. 文本颜色6-7. 扩展参数（一般空）	文本会叠加在窗体上，`dev_clear_window`可清除
`dump_window`	导出整个窗体为文件	1. `WindowHandle`：窗体句柄2. 导出格式（'bmp'/'png'/'tiff' 等）3. 保存路径 + 文件名（相对 / 绝对路径）	保存的是窗体可视化内容（含标注 / 文本），格式选`bmp`/`png`更易打开
`dump_window_image`	将窗体内容转为 Halcon 图像对象	1. `Image1`：输出，转换后的图像2. `WindowHandle`：窗体句柄	先转图像对象，再用`write_image`保存，比`dump_window`更灵活
`write_image`	保存 Halcon 图像对象到本地	1. 输入图像（Image/Image1）2. 保存格式（'tiff'/'bmp'/'png' 等）3. 压缩等级（0 = 无压缩）4. 保存路径 + 文件名	与`read_image`配对，`dump_window_image+write_image`可保存带标注的图像

二、图像生成 / 转换类（核心：创建自定义图像 / 格式转换）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`gen_checker_region`	生成棋盘格形状的区域	1. `RegionChecker`：输出，棋盘格区域2-3. 区域整体大小（511x511）4-5. 单个格子大小（32x32）	生成的是`Region`（区域），需用`region_to_bin`转成图像
`region_to_bin`	将区域转为二值化图像	1. 输入区域（RegionChecker）2. 输出二值图（BinImage）3. 前景灰度值（255 = 白色）4. 背景灰度值（0 = 黑色）5-6. 输出图像尺寸（512x512）	尺寸需≥生成区域的大小，否则会裁剪；前景 / 背景可自定义（如 128/0）

三、图像裁剪 / 区域限定类（核心：提取图像局部区域）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`crop_part`	按坐标裁剪固定大小的图像区域	1. 输入图像（Image2）2. 输出裁剪后图像（ImagePart）3. 起始行（Row=30）4. 起始列（Column=100）5. 裁剪宽度（300）6. 裁剪高度（60）	坐标是图像原始坐标，超出图像范围会报错
`draw_ellipse`	手动在窗体绘制椭圆（交互式）	1. 窗体句柄2-3. 椭圆中心（Row/Column）4. 旋转角度（Phi）5-6. 长短半轴（Radius1/Radius2）	运行时会暂停，需手动拖动鼠标绘制，按回车确认
`gen_ellipse`	按参数生成椭圆区域	参数与`draw_ellipse`完全一致	非交互式，直接按固定参数生成椭圆
`reduce_domain`	限定图像的处理域（只保留椭圆内的图像）	1. 输入图像（Image2）2. 限定区域（Ellipse）3. 输出限定后图像（ImageReduced）	不会裁剪图像尺寸，只是将区域外的像素设为 "无效"，后续操作仅对有效区域生效

四、辅助类算子

表格

算子名称	核心作用	参数详解	关键注意点
`dev_clear_window`	清空窗体显示内容（文本 / 图像 / 区域）	无参数	仅清空显示，不删除变量；多次绘制前调用可避免内容叠加
`read_image`	从本地读取图像到 Halcon 变量	1. 输出图像变量2. 图像路径 + 名称	与`write_image`配对，读取的是纯图像（无标注）

动态阈值，快速阈值

一、图像基础操作类（获取图像信息）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`read_image`	从本地读取图像到 Halcon 变量	1. `Image`：输出，读取后的图像变量2. 图像路径 / 内置示例名（如 'die_pads'）	支持 bmp/tiff/png 等格式，内置示例名可直接使用
`get_image_size`	获取图像的宽度和高度	1. 输入图像（Image）2. `Width`：输出，图像宽度3. `Height`：输出，图像高度	后续裁剪、绘图等操作需用到图像尺寸，避免坐标越界

二、阈值分割类（核心：提取前景区域）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`threshold`	全局固定阈值分割	1. 输入图像（Image）2. `Region`：输出，分割后的区域3-4. 灰度值范围（128-255）	简单高效，但对光照不均的图像效果差
`fast_threshold`	快速局部阈值分割	1. 输入图像（Image）2. `Region`：输出，分割后的区域3-4. 灰度值范围（128-255）5. 局部窗口大小（20）	非逐像素检查，而是以 20x20 窗口为单位判断，速度远快于`threshold`，适合大图像
`dyn_threshold`	动态阈值分割（抗光照不均）	1. 原始图像（Image）2. 预处理图像（如均值滤波后的 ImageMean）3. `Region`：输出，分割后的区域4. 偏移值（10）5. 提取类型（'light'= 亮区域 /'dark'= 暗区域）	对比原始图和预处理图的灰度差，偏移值越小分割越严格，适合光照不均的场景

三、图像预处理类（优化图像，提升分割效果）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`mean_image`	均值滤波（平滑图像 / 去噪）	1. 输入图像（Image）2. `ImageMean`：输出，滤波后的图像3-4. 滤波窗口大小（10x10）	窗口越大，图像越模糊，需根据噪点大小调整；常作为`dyn_threshold`的预处理

四、连通域与区域筛选类（提取目标区域）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`connection`	连通域分析（标记独立区域）	1. 输入区域（Region）2. `ConnectedRegions`：输出，所有独立连通域	必须输入二值区域，输出是多个独立区域的集合
`select_shape`	按形状特征筛选区域	1. 输入区域集合（ConnectedRegions）2. `SelectedRegions`：输出，筛选后的区域3. 筛选特征列表（如 ['area','anisometry']）4. 逻辑关系（'and'= 同时满足 /'or'= 满足其一）5. 特征最小值列表（[150,1]）6. 特征最大值列表（[9900,2]）	- `area`：面积，筛选 150-9900 像素的区域- `anisometry`：长短轴比，筛选 1-2 的区域（接近矩形）

五、区域形态学 / 几何处理类（规整区域形状）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`fill_up`	填充区域内的孔洞	1. 输入区域（SelectedRegions）2. `RegionFillUp`：输出，填充后的区域	仅填充区域内部的孔洞，不改变区域外轮廓
`shape_trans`	区域形状转换	1. 输入区域（RegionFillUp）2. `RegionTrans`：输出，转换后的区域3. 转换类型（'rectangle2'= 最小外接旋转矩形）	常用类型：'rectangle1'（轴对齐矩形）、'circle'（最小外接圆）
`orientation_region`	获取区域的方向角	1. 输入区域（RegionTrans）2. `Phi`：输出，方向角（弧度，范围 -π/2~π/2）	角度以图像行列为基准，顺时针为正，用于后续绘制方向箭头
`area_center`	获取区域的面积和中心坐标	1. 输入区域（RegionTrans）2. `Area`：输出，区域面积3-4. `Row/Column`：输出，区域中心坐标	中心坐标是后续绘制箭头、标注的基准点
`boundary`	提取区域的边界	1. 输入区域（RegionTrans）2. `RegionBorder`：输出，边界区域3. 边界类型（'inner'= 内边界 /'outer'= 外边界 /'true'= 真实边界）	仅显示区域轮廓，便于可视化区域形状

六、可视化与交互类（显示 / 绘制内容）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`dev_get_window`	获取当前激活的窗体句柄	`WindowHandle`：输出，窗体句柄	后续绘制箭头、文本需指定窗体，必须先打开窗体（如`dev_open_window`）
`dev_display`	在窗体显示图像 / 区域	输入：图像（Image）或区域（RegionBorder）	可叠加显示，`dev_clear_window`可清空之前的显示内容
`disp_arrow`	在窗体绘制方向箭头	1. 窗体句柄（WindowHandle）2-3. 箭头起点（Row/Column）4-5. 箭头终点（Row-lengthsin(Phi), Column+lengthcos(Phi)）6. 箭头宽度（1）	终点坐标通过角度`Phi`计算，实现 "沿区域方向绘制箭头"；宽度越大箭头越粗

图像处理

一、形态学结构元（SE）创建类（核心：定义形态学操作的 "模板"）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点
`gen_disc_se`	创建圆形结构元（圆盘 SE）	1. `SE`：输出，创建的结构元2. 数据类型（'byte'= 字节型，常用）3-4. SE 的宽度 / 高度（5x5）5. SE 的半径（5）	- SE 是形态学操作的 "模板"，形状 / 大小决定操作效果- 圆形 SE 适合处理圆形 / 弧形目标，5x5 是 SE 的尺寸，半径 5 需与尺寸匹配

二、灰度形态学核心操作类（区别于二值形态学，直接处理灰度图）

表格

算子名称	核心作用	参数详解（按顺序）	关键注意点（含公式 / 场景）
`gray_opening`	灰度开运算（平滑亮区域，去除小亮点）	1. 输入灰度图（Image）2. 结构元（SE）3. `ImageOpening`：输出，开运算后的图像	- 公式：灰度开运算 = 灰度腐蚀 → 灰度膨胀- 作用：抑制亮的小噪点，保留大的亮区域整体灰度
`gray_tophat`	灰度顶帽运算（提取微小亮斑）	1. 输入灰度图（Image）2. 结构元（SE）3. `ImageTopHat`：输出，顶帽后的图像	- 公式：顶帽图 = 原始图 - 灰度开运算图- 核心场景：提取图像中比周围亮的微小区域（如金属表面亮缺陷、电路板亮点）- 若原始图无微小亮斑，中心点灰度值为 0（如示例中 Grayval1=0）
`gray_bothat`	灰度底帽运算（提取微小暗斑）	1. 输入灰度图（ImageTopHat，示例中用了顶帽图，实际常用原始图）2. 结构元（SE）3. `ImageBotHat`：输出，底帽后的图像	- 公式：底帽图 = 灰度闭运算图 - 原始图（代码注释笔误，正确公式是底帽 = 闭运算 - 原图）- 核心场景：提取图像中比周围暗的微小区域（如医学影像肿瘤、表面暗缺陷、保险丝熔断点）