Halcon图像预处理与形态学（图像的点运算）

鸟叔《HALCON工业应用实用教程》学习笔记

灰度直方图

定义

灰度直方图是灰度值的函数，描述了图像中具有该灰度值的像素的个数，横坐标是像素的灰度级，纵坐标是该灰度值出现的频率或这个灰度值像素的个数。

算子

gray_histo(Regions, Image : : : AbsoluteHisto, RelativeHisto)
gen_region_histo( : Region : Histogram, Row, Column, Scale : )
histo_to_thresh( : : Histogramm, Sigma : MinThresh, MaxThresh)

示例

read_image (Image, 'fabrik')
*生成直方图
gray_histo (Image, Image, AbsoluteHisto, RelativeHisto)
*生成直方图区域
gen_region_histo (Region, AbsoluteHisto, 255, 255, 1)
*根据直方图求分割阈值 该函数先进行高斯平滑 
histo_to_thresh (AbsoluteHisto, 2, MinThresh, MaxThresh)
*二值化
threshold (Image, Region1, 128, 255)

灰度的线性变换

算子

scale_image(Image : ImageScaled : Mult, Add : )
scale_image_max(Image : ImageScaleMax : : )

示例

read_image (Image, 'mvtec_logo.png')
*求图像最小灰度值和最大灰度值
min_max_gray (Image, Image, 0, Min, Max, Range)
*拉伸灰度值
scale_image_max (Image, ImageScaleMax)
*求图像最小灰度值和最大灰度值
min_max_gray (ImageScaleMax, ImageScaleMax, 0, Min, Max, Range)

使用这种方法，可以将一个灰度值分布区域拉伸到0—255之间，可以提高图像的对比度，从而使目标物与背景区分开来。

直方图均衡化

算子

equ_histo_image(Image : ImageEquHisto : : )
equ_histo_image其实也是直方图线性化，只不过它是把出现频率比较高的灰度值在0—255之间均匀分布开，所以结果会增加对比度，而且程度比scale_image_max更高，因为出现频率越高的灰度值，间隔约远。我认为当图像的出现频率高的灰度值集中在一个小区域内，但是整体的灰度值又铺满了所有范围，此时使用equ_histo_image更好。

示例

read_image (Vessel, 'vessel')
equ_histo_image (Vessel, ImageEquHisto)

图像翻转

算子

invert_image(Image : ImageInvert : : )

示例

read_image (Image, 'mvtec_logo.png')
invert_image (Image, ImageInvert)

图像加、减、乘、除

算子

add_image(Image1, Image2 : ImageResult : Mult, Add : )
g’ := (g1 + g2) * Mult + Add
sub_image(ImageMinuend, ImageSubtrahend : ImageSub : Mult, Add : )
g’ := (g1 - g2) * Mult + Add
mult_image(Image1, Image2 : ImageResult : Mult, Add : )
g’ := (g1* g2) * Mult + Add
div_image(Image1, Image2 : ImageResult : Mult, Add : )
g’ := (g1 /g2) * Mult + Add

图像绝对差异处理

算子

abs_diff_image(Image1, Image2 : ImageAbsDiff : Mult : )
g’ = |(g1 - g2)| * Mult

图像最大值处理、最小值处理

比较两幅图像每个像素的灰度值大小，并将较大/较小灰度值作为新图像该像素点的灰度值。

算子

max_image(Image1, Image2 : ImageMax : : )
min_image(Image1, Image2 : ImageMin : : )