【C# + HALCON 机器视觉】HALCON经典算子：RGB通道分离（decompose3）

摘要：本文围绕农产品自动化分选需求，提出基于C#与HALCON的柑橘成熟度分级解决方案。通过decompose3算子分离RGB通道，结合HSV颜色空间分析实现柑橘成熟度的精准判定。系统采用C#实现硬件控制逻辑，驱动气动喷嘴完成自动化分选，实测分选速度达1200个/分钟，准确率超98%。文中详细阐述系统架构设计、核心算法实现、性能优化策略及跨平台集成方案，并提供完整代码与实验验证。该方案为机器视觉在农业领域的应用提供了可复用的技术模板，对推动农产品智能化分选具有重要参考价值。

---

---

【C# + HALCON 机器视觉】HALCON经典算子：RGB通道分离（decompose3）

关键词：C#；HALCON；decompose3算子；HSV颜色空间；柑橘成熟度分级；机器视觉；自动化分选

一、引言

在现代农业生产体系中，农产品的高效精准分选是提升产业附加值的关键环节。以柑橘为例，传统人工分级方式存在效率低（约100-200个/小时）、主观性强、劳动强度大等问题，难以满足规模化生产需求。机器视觉技术凭借其非接触式检测、高精度识别和高速处理能力，成为解决这一难题的理想选择。HALCON作为专业的机器视觉开发库，提供了丰富的图像处理算子，其中decompose3算子能够高效分离RGB图像通道，结合HSV颜色空间分析，可精准提取柑橘成熟度特征。本文将基于C#与HALCON的深度集成，详细解析柑橘成熟度分级系统的全流程开发与优化实践。

二、技术原理剖析

2.1 decompose3算子核心功能

decompose3算子是HALCON中用于图像通道分解的基础算子，其语法结构为：

decompose3(Image : Image1, Image2, Image3 : : )

该算子将输入的三通道图像（通常为RGB格式）拆解为独立的单通道图像Image1（红色通道）、Image2（绿色通道）、Image3（蓝色通道）。在柑橘成熟度分级场景中，通道分离是颜色特征提取的前置步骤，为后续转换至HSV颜色空间、分析色调分布奠定基础。

2.2 RGB与HSV颜色空间转换

RGB颜色空间通过红、绿、蓝三个通道的组合表示颜色，但这种表示方式不符合人类对颜色的感知特性。相比之下，HSV颜色空间更直观地描述颜色属性：

• 色调（H）：表示颜色的种类，取值范围[0, 360]，如绿色对应约120，橙色对应约30
• 饱和度（S）：反映颜色纯度，取值[0, 100%]，饱和度越高颜色越鲜艳
• 明度（V）：描述颜色明亮程度，取值[0, 100%]

在HALCON中，可通过rgb1_to_hsv算子将RGB图像转换为HSV图像：

rgb1_to_hsv(Red, Green, Blue : H, S, V : : )

2.3 柑橘成熟度与颜色特征关联

研究表明，柑橘成熟过程中表皮颜色的变化在HSV空间中呈现明显规律：

• 未成熟柑橘：色调值集中在[80, 120]（绿色区间）
• 成熟柑橘：色调值分布于[20, 40]（橙色区间）

通过decompose3分离RGB通道后，利用rgb1_to_hsv算子转换至HSV空间，提取色调通道数据，即可建立成熟度与颜色特征的量化关系。

三、系统架构设计

3.1 硬件系统组成

1. 图像采集模块：采用Basler acA2000-50gm工业相机（分辨率2048×1536，帧率50fps），搭配环形白色LED光源及光源控制器，确保图像清晰无阴影
2. 机械传动模块：变频调速传送带（速度范围0.5 - 2m/s），由PLC控制器（西门子S7-1200）驱动，实现柑橘的稳定输送
3. 执行机构：高响应气动喷嘴（响应时间<15ms），通过电磁阀控制，将不同成熟度柑橘吹入对应收集箱
4. 控制中枢：高性能工控机（Intel Core i9-13900K，32GB内存），运行基于C#与HALCON开发的控制软件

3.2 软件系统流程