图像分割-halcon

1.全局阈值分割

threshold(Image,Region,MinGray,MaxGray)

gray_histo (Image, Image, AbsoluteHisto, RelativeHisto)

PeakGray := sort_index(AbsoluteHisto)[255] //求出出现频率最多的灰度值

threshold(Image,Region,0,PeakGray)

2.自动阈值分割

（1）灰度直方图

（2）选取合适的值平滑直方图

auto_threshold (Image, Regions, sigma)

注意事项：自动阈值分割的图像必须是单通道图像，通常会对直方图进行平滑处理，以得到单一阈值。

分割根据平滑后直方图的波谷进行，Sigma越小，分割越精细。Sigma很大时，灰度直方图会被平滑为单峰图像，

例如sigma=0

sigma=2

sigma=10

3.自动阈值分割

binary_threshold(Image : Region : Method, LightDark : UsedThreshold)

Method 'smooth_histo' 时，该算子等价于auto_threshod

Method 'max_separability'时，该算子等价于Ostu算法，类间间隔最大化

4.局域阈值分割

全局阈值处理方法在背景照明不均匀时有可能失效。常用处理方法：先对照明问题做预处理以补偿图像，然后对预处理后的图像进行全局阈值分割。

mean_image (Image, ImageMean, 99, 99)
dyn_threshold (Image, ImageMean, RegionDynThresh, 5, 'light')

与平滑的图像灰度值（均值）对比，在一定范围内，分割。

基于直方图计算的阈值在多数情况下效果很好，但在直方图中存在双峰的假设不满足时，该方法效果不好。

1）.噪声大，灰度值分散分布，找不到明显的峰与前景对应。

2）.不均匀照明

在局部图像中，感兴趣物体比背景亮或暗。

采用均值、高斯或中旅滤波器，输出以当前像素点位中心的窗口内平均灰度值，作为背景灰度值的估计。

动态阈值分割就是将图像与局部背景比较。

动态阈值分割中，平滑滤波器尺寸决定了能被分割出来的物体的尺寸。如果滤波器尺寸太小，在物体中心估计出的局部背景将不理想。

凭经验，均值滤波器宽度必须大于被识别物体的宽度。总体上，滤波器尺寸大，能更好地代表局部背景。

5.动态阈值分割-根据局部均值和方差

var_threshold

var_threshold (Image, Region2, 15, 15, 0.2, 2, 'dark')

var_threshold-图像灰度值在均值与方差之和以上或在均值与方差之差以下。

6.基于区域的分割

基于边缘的图像分割：寻找区域之间的边界-watersheds-从图形中提取分水岭和盆地

watersheds (Image, Basins, Watersheds)

var_threshold是在图像在均值与方差之和以上或在均值与方差之差以下。