二、图像分割

        摘要：预处理主要对图像进行全局处理，而实际只需要关注图像的局部区域就可以了，为了使检测范围进一步减小，可以将感兴趣的局部区域从背景中分离出来，使关键目标更便于辨识和分析。

        图像分割的标准可以是：像素的灰度值、边界、几何形状、颜色、甚至是纹理。

        图像分割的方法：

一、阈值处理

        阈值：像素灰度值的一个范围。

        前景：在阈值范围内        后景：在阈值范围外

        当检测对象的图像灰度与背景差异比较大时，用阈值处理可以很方便的将其与背景分离开。

1.  全局阈值

*全局阈值
read_image(Image,'E:/C/halcon/tiaoma.jpg')
rgb1_to_gray (Image,GrayImage)
threshold(GrayImage,DarkArea,0,80)

2. 基于直方图的自动阈值分割方法

        固定阈值会受到环境、人为因素干扰，因此可以使用自适应阈值进行调节。自适应阈值是一种基于直方图的阈值。其原理是，以灰度直方图中出现的谷底为分割点，对灰度直方图的波峰进行分割。因此，有多少个波峰，就会有多少个区域。

*基于直方图的自动阈值分割方法
read_image(Image,'E:/C/halcon/tiaoma.jpg')
rgb1_to_gray (Image,GrayImage)
*Sigma ：高斯滤波的标准差
auto_threshold(GrayImage,Regions00,10)

3. 自动全局阈值分割方法

根据直方图的像素分布，提供可选择的分割方法：最大类间方差法、平滑直方图法

*自动全局阈值分割方法
read_image(Image,'E:/C/halcon/tiaoma.jpg')
rgb1_to_gray (Image,GrayImage)
*Method:分割方法('max_separability'：最大限度的可分性, 'smooth_histo'：直方图平滑)
*LightDark:提取的是黑色部分还是白色部分
*UsedThreshold:自动阈值使用的阈值值
binary_threshold (GrayImage,rEGIONmAXsPE,'max_separability','dark',UsedThreshold)

参数3：最大类间方差法 'max_separability'                平滑直方图法：smooth_histo

参数4：表示提取的是前景还是后景：light,dark.

最后一个是返回的阈值结果

4. 局部阈值分割方法

适用于一些无法用单一灰度进行分割的情况，如：背景灰度比较复杂等等情况。

5. 其他阈值分割方法

二、区域提取

        获取具有相似灰度的相连区域，用这种方法寻找相邻的符合条件的像素。

基本思想是：在图像上选择一个种子(像素或者区域)，然后从种子邻域像素开始搜索，将灰度或者颜色相近的像素附加在种子上，最终将代表同一物体的像素全部归属同一种子区域，达到将目标物体分割出来的目的。

1. 区域生长法

步骤：

        

*区域生长法
read_image(Image,'E:/C/halcon/tiaoma.jpg')
mean_image(Image,Mean,5,5)
*参数3/4：内核矩阵
*参数5：定义了两个相邻模板中心灰度值差 
*两个相邻模板中心灰度值的差的绝对值小于 给定的Tolerance的值 则会认为这两个区域属于同一个区域
*参数6：MinSize 作为一个限制，限定了用上面方法分割出的区域最终不能小于MinSize 给定的值，否则不作为*区域输出。
regiongrowing(Mean,Regions,1,1,3.0,100)
closing_circle(Regions,RegionsClosing,3.5)

三、边缘检测

1. 分水岭算法