halcon 粘连物体分割

公众号：机器视觉那些事儿

“古人云，一生二，二生三，三生万物。古人有云，水之清则无敌。故名三清！”

此次选取的案例依然是官方Blob案例–基于欧式距离的分水岭算法的区域分割。Halcon的官方例程，都是顶级工程师的思想精华，大多实际项目的难度并没有官方例程复杂，由于官方例程针对的是有一定Halcon基础的，本人在此次处理时添加了详细的中文注释，做出一定的调整，更容易让读者理解和接受。

1. 原理简介

第1步：

使用区域距离变换算子获取距离信息图

distance_transform(Region：DistanceImage：Metric，Foreground，Width，Height)

距离变换简化了分水岭算法的复杂度。距离变换针对二值图像，目标像素为1，背景像素为0。距离变换的结果图像是一个灰度图像，灰度值就是图像中该像素距离其最近的背景像素的距离。

假设两个像素点P1（x1，y1），P2（x2，y2）

距离D = sqrt((x1-x2)(x1-x2) + (y1-y2)(y1-y2))

第2步：

使用阈值分水岭算子获取盆地
watersheds_threshold(Image : Basins : Threshold : )

分水岭算法是一种基于拓扑理论的数学形态学