Halcon 第四章『图像特征和提取』◆第2节：基于灰度值特征

        第2节：基于灰度值的特征&相关算子

        1、区域的灰度特征值

Image图像 / Features特征         用于计算指定区域的灰度特征值。 gray_features(Regions, Image : : Features : Value)         Regions：输入参数，输入被计算的区域。         Image：输入参数，表示灰度值图像。         Features：输入参数，表示输入的特征的名称。 【   'alpha'接近水平的alpha参数, 'anisotropy'各向异性（或非均向性）, 'area'区域内的灰度值总和，黑色0 白色255, 'beta'接近水平的beta参数, 'row'重心行坐标, 'column'重心列坐标, 'deviation'灰度偏离【像素越杂&灰度值差异越大，则Value的值越高】, 'entropy'平均信息量, 'fuzzy_entropy'区域的模糊平均信息量, 'fuzzy_perimeter'模糊区域的边沿周长, 'min'最小灰度值, 'max'最大灰度值, 'mean'平均灰度值, 'median'中值灰度（就是将图像中所有像素按照灰度大小排列，取这些数值里排在中间位置的那个值）, 'moments_row'混合矩阵的行, 'moments_column'混合矩阵的列, 'phi'椭圆的方位角度, 'plane_deviation'近似平面的偏离, 'ra'椭圆的长轴半径, 'rb'椭圆的短轴半径 】         Value：输出参数，输出的特征的值

        2、区域的最大和最小灰度值         

Image图像 / Features特征         计算区域内的最大与最小灰度值。 min_max_gray(Regions, Image : : Percent : Min, Max, Range)         Regions：输入参数，输入被计算的区域。         Image：输入参数，输入的灰度图像。         Percent：输入参数，表示低于最大灰度值的百分比（即取直方图波峰与谷底指尖的区域，向内收缩此百分比，然后再进行下列计算）。         Min：输出参数，表示最小的灰度值。         Max：输出参数，表示最大的灰度值，【Max≥Min】。         Range：输出参数，表示最Min和ax之间的区间范围大小（Max-Min）。

        3、灰度的平均值和偏差

Image图像 / Features特征         计算单张图像上多个区域的灰度值的平均值和偏差。 intensity(Regions, Image : : : Mean, Deviation)         Regions：输入参数，输入被计算的区域。         Image：输入参数，表示输入的灰度图像。         Mean：输出参数，表示输出的单个区域的平均灰度。         Deviation：输出参数，表示输出该区域的灰度值差别（灰度值的均匀程度）。

        4、灰度区域的面积和中心

Image图像 / Features特征         计算一个灰度值图像的区域面积和重心。         （图像的灰度值可以理解为像素"高度"，面积可以理解为像素“体积”，在求重心，每个像素的灰度值可以理解为像素点的"质量"） area_center_gray(Regions, Image : : : Area, Row, Column)         Regions：输入参数，表示要计算的区域（数组）。         Image：输入参数，表示灰度值图像。         Area：输出参数，表示区域的总灰度值。         Row：输出参数，表示灰度值重心的行坐标。         Column：输出参数，表示灰度值重心的列坐标。

        5、根据灰度特征值选择区域

Image图像 / Features特征         选择基于灰度值特征的区域。 select_gray(Regions, Image : SelectedRegions : Features, Operation, Min, Max : )         Regions：输入参数，输入要计算的区域。         Image：输入参数，输入灰度值图像。         SelectedRegions：输出参数，表示对应灰度值特征的区域。         Features：输入参数，表示选择的特征。 【   'alpha'接近水平的alpha参数, 'anisotropy'各向异性（或非均向性）, 'area'区域内的灰度值总和，黑色0 白色255, 'beta'接近水平的beta参数, 'row'重心行坐标, 'column'重心列坐标, 'deviation'灰度偏离, 'entropy'平均信息量, 'fuzzy_entropy'区域的模糊平均信息量, 'fuzzy_perimeter'模糊区域的边沿周长, 'min'最小灰度值, 'max'最大灰度值, 'mean'平均灰度值, 'median'中值灰度（就是将图像中所有像素按照灰度大小排列，取这些数值里排在中间位置的那个值）, 'moments_row'混合矩阵的行, 'moments_column'混合矩阵的列, 'phi'椭圆的方位角度, 'plane_deviation'近似平面的偏离, 'ra'椭圆的长轴半径, 'rb'椭圆的短轴半径 】         Operation：输入参数，表示特征的逻辑链接，【 'and', 'or'】。         Min：输入参数，特征值的下限，即最小的灰度值。         Max：输入参数，特征值的上限，即最大的灰度值。

*读取输入图像
read_image (Image, 'data/village')
*将图像转化为灰度图像
rgb1_to_gray (Image, GrayImage)
*使用均值滤波对灰度图像进行平滑，以去除细节杂点
median_image (GrayImage, ImageMedian, 'circle', 2, 'mirrored')
*进行阈值处理，提取出较亮部分
threshold (ImageMedian, BrightRegion, 180, 255)
*使用开运算使各区域分离
opening_circle (BrightRegion, RegionClosing, 6.5)
*将不相连通的区域分割开来
connection (RegionClosing, Snowcity)
*将面积较大的区域提取出来
select_shape (Snowcity, SelectedRegions1, 'area', 'and', 5000, 99999)
*获取这些区域的均值和偏差。由于湖面区域灰度值比较平滑，灰度偏差会比较小
intensity (SelectedRegions1, ImageMedian, Mean, Deviation)
*以灰度偏差为条件，选出符合条件的区域
select_gray (SelectedRegions1, ImageMedian, SelectedRegions, 'deviation', 'and', 4, 10)
dev_clear_window ()
dev_display (GrayImage)
dev_display (SelectedRegions)

原图

均值滤波后的区域ImageMedian

阈值分割后的区域BrightRegion

开运算，然后将不相连同的区域分割开BrightRestConnection

Snowcity为区域从ImageMedian灰度图中计算出均值和偏差

最后显示SelectedRegions

参考文献：

杨青—《Halcon机器视觉算法原理与编程实战》