基础篇2：Halcon基础算子介绍

一、Halcon图片处理函数

1、get_image_time(Image, MSecond, Second, Minute, Hour, Day, YDay, Month, Year) ：获取图片的时间日期；

2、get_image_type(Image, Type) ：获取图片的类型，'byte’代表位图；

3、get_image_pointer1(Image, Pointer, Type1, Width1, Height1) ：获取图片的指针内存；

4、decompose3(Image, Image1, Image2, Image3) ：将彩色图拆封成R G B三种灰度图；

5、compose3(Image1, Image2, Image3, MultiChannelImage) ： 将三种灰度图合成一张彩色图；

6、rgb1_to_gray(MultiChannelImage, GrayImage) ：将彩色图转换成灰度图；

7、rgb3_to_gray(Image1, Image2, Image3, ImageGray) ：将拆分的RGB灰度图作为输入，转换成灰度图，基本上使用上面一种转换方法；

8、trans_from_rgb(Image1, Image2, Image3, ImageResult1, ImageResult2, ImageResult3, ‘hsv’) ：将拆分的RGB灰度图作为输入，转换成HSV格式的图；

二、Halcon三种阈值分割方法

1、threshold(Image, Region, 150, 255) ：全局阈值，主要适用于光照环境比较稳定，图像灰度值均匀的情况；

2、binary_threshold(Image, Region1, ‘max_separability’, ‘light’, UsedThreshold) ： 此算子自动阈值化，适用于背景区域跟所要寻找的产品区域的灰度值对比比较明显；

3、mean_image(Image3, ImageMean, 33, 33)；
dyn_threshold(Image3, ImageMean, RegionDynThresh, 5, ‘light’)；
局部阈值，主要适用于灰度值不均的图像，这两个函数是需要一起使用。

如果得到的图片外部的白色环形灰度值不均匀，但是又想使用阈值找到整个环形，这时就需要使用第三种阈值方法。基本原理就是每个像素会按照mean_image函数中所给的参数3和4（奇数）的矩形大小平均框中像素的灰度值，从而得到该个像素的值。
故如果你想将环形全部找到，mean_image函数中参数3和4的值就为环形像素值宽度的2倍加1，即是2D+1。
dyn_threshold函数的参数代表每两个像素的差值，只要在该范围，就代表有效；

当mean_image函数中参数3和4的值过小，整个环形就无法分割出来；而当参数值接近2D+1，整环形就能完整被分离出来。

三、Halcon区域处理函数

1、count_obj(Region, Number) ：检查区域对象的数量；

2、connection(Region, ConnectedRegions) ：将区域对象打散；

3、union1(ConnectedRegions, RegionUnion) ： 将分散的区域联合成一个整体；

4、fill_up(ConnectedRegions1, RegionFillUp) ： 填充；

5、opening_circle(RegionFillUp, RegionOpening, 10.5) ：开运算，即先腐蚀在膨胀，主要功能是除去孤立的小点，毛刺和小桥；

6、closing_circle(RegionOpening, RegionClosing, 3.5) ：闭运算，即先膨胀在腐蚀，主要功能是填平小孔，弥合小裂缝；

7、select_shape(RegionOpening, SelectedRegions, ‘area’, ‘and’, 45000, 60000) ： 筛选符合规定值的对象；

8、intersection(SelectedRegions, RegionUnion, RegionIntersection) ：求交集，类似于抠图，将两个区域的重合部分得出来；

9、difference(RegionIntersection, RegionIntersection, RegionDifference) ：图像减法运算；