halcon

图像处理函数与形态学操作笔记（含 Halcon 示例）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条码技术详解（含 Halcon 应用示例）一维码是由规则排列的条（低反射率部分）和空（高反射率部分）组成的标记，通过条空组合表达信息，可被设备识读并转换为计算机兼容的二进制 / 十进制数据。

halcon求区域交集——intersection我们在图像处理中有时候需要求区域重叠的部分，这可以利用Halcon求区域交集算子来实现。intersection 用于计算区域交集，该算子有3个参数参数1是区域1 参数2是区域2 参数3是区域1和区域2的交集，也就是重叠的部分。

halcon刚性变换（平移+旋转）——vector_to_rigid在图像处理中我们有时候对图像或者区域进行纠偏，在刚性变换场景中，图像发生的变化是平移和旋转，本文就来介绍根据2个及2个以上目标点的平移来计算如何对图像和区域纠偏，这种方式的好处是你可以不需要知道角度的偏移。

halcon创建对象数组——concat_obj我们在图像处理中有时候需要将对象比如区域放入一个数组中，然后对这个数组进行处理，比如需要对区域按照面积大小进行排序，这就需要先将多个区域放入一个数组中，这就需要使用concat_obj来实现。

halcon求图像灰度最大值和最小值——min_max_gray我们在图像处理中有时候需要求图像的最小灰度和最大灰度，本文就来介绍如何实现。min_max_gray算子用于计算图像最小灰度和最大灰度，该算子有6的参数参数1是指定计算的区域范围参数2是输入图像参数3是截断百分比，取值范围用于控制从灰度直方图两端移除的像素比例，比如上面的代码的图像总共有9个像素，参数3是20，则灰度直方图两边需要移除的像素个数是9*20%=1.8个像素，4舍5入，需要移除2个像素，灰度直方图中像素从小到大的排列是1、2、30、100、150、190、210、225、250，移除掉

halcon获取区域中心坐标以及面积——area_center在图像处理中我们有时候需要获取区域的面积大小以及区域的中心点坐标，本文就来详细介绍。获取区域面积和中心点坐标就是使用area_center 算子，该算子只有4参数第1个参数是输入区域(可以是1个区域也可以是多个区域) 第2个参数是区域面积（数组）第3个参数区域列（y）坐标（数组）第4个参数区域列（x）坐标（数组）

halcon刚性变换（平移+旋转）——vector_angle_to_rigid在图像处理中我们有时候对图像或者区域进行纠偏，在刚性变换场景中，图像发生的变化是平移和旋转，本文就来介绍根据单个目标点的平移和旋转来计算如何对图像和区域纠偏。

halcon图像增强——emphasize我们有时候需要提取图像的边缘进行后续的处理，在提取边缘之前，我们可以对图像的边缘进行增强处理。它的核心原理是通过放大局部区域的灰度差异来增强对比度，让图像看起来更清晰，尤其适用于需要突出物体轮廓或纹理细节的机器视觉应用。emphasize 的工作原理主要包含以下几个步骤：

C#的视觉库Halcon入门示例以前写过emgu.cv的视觉库，但翻了一下招聘软件发现，用得比较多的是halcon，以前也有留意过这玩意，一直没动手，今天有空就来试一波，由于是使用公司的电脑，不能安装收费软件halcon，而halcon我看了一下，网上有好多文章介绍的都是安装了halcon包后再使用的，本文介绍的是使用带有halcon运行时的程序，不需要再单独安装halcon

halcon区域变换—shape_trans在图像处理中我们有时候得到的区域是不规则的，为了方便后续的处理，我们可以使用区域变换将不规则的区域转换为规则的区域后再处理。

halcon图像非线性对比度增强——equ_histo_image我们有时候需要对对比度不明显的图像进行对比度增强操作，除了使用线性对比度增强手段外，还可以使用非线性对比度增强技术。

halcon提取单通道图像——access_channel我们在图像处理中遇到的最多的图像是rgb图像，这种图像具备3个通道，R、G、B，在某些场景下我们提取其中一个通道进行图像处理具备较好的效果，本文就来讲解如何获取其中某个通道的图像。

halcon多个区域合并为1个区域—union1在图像处理中我们有时候会需要将多个区域合并为同一个区域，本文就来介绍如何在Halcon中实现。在halcon中可以通过connection算子获取多个独立的连通域，这样区域的数量就是多个，同样我们也可以将这多个区域合并为1个区域，当我们使用Halcon的count_obj对区域进行数量统计时，得到的数量将会是1

halcon图像增强——图像取反在图像处理中我们有时候会需要遇到目标比较暗，背景比较亮的图像在，这种图像对我们进行后续的算法分析是非常不利的，我们可以利用图像反转的方式来将目标变亮，背景变暗。

halcon图像去噪—导向滤波针对图像中的噪声去除以及需要保留图像边缘的场景，我们可以使用Halcon的导向滤波算子来去除噪声。对引导图通过数学推导，可以得到一个结果，这个结果就是图像梯度的大小，在引导图的平坦区域（梯度小），滤波器进行类似均值滤波的强平滑；在引导图的边缘处（梯度大），则基本不进行平滑，这样操作的结果就是保留了边缘。

halcon获取多个独立连通域—connection针对阈值分割后的图像，我们有时候需要对多个独立的区域做处理，比如要筛选出面积较大的区域等，由于阈值分割的区域在位置上是分离的但是在数量上是一个区域，这时候就需要将一个整体区域分割成多个独立的区域。

halcon2个区域合并为1个区域—union2在图像处理中我们有时候会需要将2个区域合并为同一个区域，本文就来介绍如何在Halcon中实现算子会先将第二个参数Region2中的所有区域进行并集运算，形成一个临时区域，然后再将这个临时区域分别与Region1中的每一个区域进行并集运算。因此，最终输出结果中区域的个数与Region1的个数相同

halcon计算区域骨架在图像处理中我们有时候会需要获取区域骨架，从而根据这个骨架来计算区域长度、方向等参数，本文就来介绍在halcon中如何实现。

halcon图像膨胀—dilation1针对阈值分割后的图像，如果存在一些孔洞需要去填充，则可以使用图像膨胀的方式来处理。原始图像A (前景为1/X) . . . . . . . . . . . . . . . . . . . . X X X . . . . . . X X X . . . . . . . . . . . . . . . . . . . . . .