HALCON软件——数据结构

一、数据类型总览

HALCON 变量分为两大类，所有视觉运算都围绕这两类数据展开：

Iconic（图标对象）：存储图像、区域、轮廓等视觉实体，是图像处理的核心对象
- Image（图像）
- Region（区域）
- XLD（亚像素轮廓，Extended Line Description）
Control（控制变量）：存储数值、字符串、句柄等参数，用于逻辑控制与参数传递
- String（字符串）
- Integer（整型）
- Real（实型 / 浮点型）
- Handle（句柄，如窗口、采集设备、模板等）
Tuple（元组）：控制变量的数组形式，可存储多个同类型 / 不同类型的控制数据

在 HDevelop 变量窗口中，图标变量和控制变量分开展示，鼠标悬停在变量上可查看详细属性。

二、Image（图像）

图像是像素的矩阵集合，是视觉处理的输入源，核心属性包括像素类型、通道数、宽高尺寸。

1. 图像变量查看

鼠标移动到变量窗口的图像变量上，可直接查看：

类型：如 byte（8 位无符号，取值 0-255）
通道数：单通道 / 3 通道 / 多通道
尺寸：（宽度，高度），单位为像素

2. 按通道数分类

通道数	类型说明	典型场景
1 通道	灰度图，每个像素只有 1 个灰度值	常规工业检测、灰度分析
3 通道	RGB 彩色图，或 HSV 等其他彩色空间图像	彩色物料分拣、颜色识别
多通道	超过 3 个通道的图像	遥感影像、多光谱成像、纹理特征分析

3. 通道操作相关算子

（1）基础查询

count_channels(Image, Num)：统计图像的通道总数

（2）通道提取与分解

access_channel (Image, channel1, Index)：提取多通道图中指定序号的单通道
decompose3(Image, RedImage, GreenImage, BlueImage)：将 3 通道 RGB 图分解为 R、G、B 三个单通道灰度图

（3）通道合并与追加

compose2(RedImage, GreenImage, MultiChannelImage)：将 2 张单通道图合并为 2 通道图像
append_channel (MultiChannelImage, BlueImage, ImageExtended)：向已有多通道图追加新的通道

4. 示例

复制代码

*读取图像
read_image (Image, 'ship.png')
*计算图像通道
count_channels(Image, Num)
*循环读取每个通道的图像
for I:= 1 to Num by 1
    access_channel (Image, channel1, I)
    *图像处理
endfor
*分解通道
decompose3(Image, RedImage, GreenImage, BlueImage)
*合并通道
compose2(RedImage, GreenImage, MultiChannelImage)
*向图像附加通道
append_channel (MultiChannelImage, BlueImage, ImageExtended)

三、Region（区域）

1. 基本概念

Region 是图像中满足特定条件的像素集合（二值区域），只有 "前景 / 背景" 之分，不包含灰度信息，是目标分割、缺陷检测的核心载体。

2. 区域特征查看

点击工具栏「特征检测」工具，选择 region 分类，可可视化查看区域的全部属性：

基础特征：面积、中心坐标、宽高
形状特征：圆度、矩形度、紧密度
矩特征：二阶矩、方向等
灰度特征：对应原图像的灰度均值、方差等

3. 图像转区域的两种方法

方法 1：代码阈值分割（最常用）

使用 threshold 算子，按灰度范围提取区域：

复制代码

threshold(Image : Region : MinGray, MaxGray : )

输入：原始灰度图
输出：灰度值在 [MinGray, MaxGray] 范围内的像素组成的区域

方法 2：可视化灰度直方图工具

点击工具栏「灰度直方图」图标
开启「使能输出」按钮
拖动红绿两条竖线调整灰度上下限
点击「插入代码」，自动生成 threshold 算子代码

4. 示例

复制代码

* 关闭已有窗口
dev_close_window ()
* 读取示例图像
read_image (Aegypt1, 'egypt1')
* 获取图像尺寸
get_image_size (Aegypt1, Width, Height)
* 打开适配尺寸的窗口
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_display (Aegypt1)
* 阈值分割提取区域（灰度23~160的像素）
threshold (Aegypt1, Regions, 23, 160)
* 显示分割结果
dev_display (Regions)

四、XLD（亚像素轮廓）

1. 基本概念

XLD 全称 Extended Line Description ，即亚像素精度轮廓，是图像边缘的高精度描述，精度高于单个像素级别，用于高精度测量、轮廓匹配。

Region 是「面」：一片像素的集合
XLD 是「线」：连续的亚像素边缘点集合

2. XLD 特征查看

与 Region 操作一致：打开「特征检测」工具，选择 xld 分类，可查看：

基础特征：轮廓长度、包围盒尺寸
形状特征：圆度、紧密度、曲率
点特征：轮廓上所有点的坐标集合

3. 图像生成 XLD（亚像素边缘提取）

最常用算子 edges_sub_pix，可提取高精度亚像素边缘：

复制代码

edges_sub_pix (Image, Edges, 'canny', 2, 12, 22)

参数说明：
- 'canny'：边缘提取算法（canny 算子是工业最常用方案）
- 2：高斯平滑系数
- 12、22：双阈值的下限、上限

4. 完整实例流程

复制代码

dev_close_window ()
* 读取图像
read_image (Image, 'fabrik')
* 打开适配图像的窗口
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
* 提取亚像素边缘
edges_sub_pix (Image, Edges, 'canny', 2, 12, 22)
* 显示轮廓结果
dev_display (Edges)

五、总结

类型	本质	核心用途	典型生成算子
Image	像素矩阵（带灰度 / 彩色信息）	原始输入、灰度分析	`read_image`
Region	二值像素面集合	目标分割、面积统计	`threshold`
XLD	亚像素线轮廓	高精度测量、边缘定位	`edges_sub_pix`

视觉处理的经典链路：Image（原图）→ 阈值分割 → Region（目标区域）→ 提取边缘 → XLD（高精度轮廓）→ 测量计算