Halcon算子threshold、dyn_threshold、binary_threshold、auto_threshold、fast_threshold、var_threshold

一、threshold 全局阈值

threshold(Image : Region : MinGray, MaxGray : )  对应参数分别为输入图像、输出区域、阈值下限、阈值上限

使用全局阈值分割图像，阈值选择输入图像中灰度值g满足以下条件的像素：

图像中所有满足条件的点会被作为一个整体区域被返回，对于矢量图像，阈值不是对应于灰度值，而是对应于矢量的长度。

注意点：MaxGray >= MinGray，MaxGray和MinGray的值可以是浮点类型也可以是整数类型，如果图像是整数类型的，MaxGray和MinGray的值类型应当为整数类型，如果是浮点类型，小数部分会被舍弃；

 

二、dyn_threshold 局部阈值

dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : ) 对应参数分别为原始图像、阈值图像、输出区域、偏移量、输出类型

使用局部阈值分割图像,dyn_threshold从输入图像中选择满足条件的区域方法如下：

注意：g0是原始图片，gt是阈值图片，通常，阈值图像是原始图像的平滑版本，可以利用 mean_image, binomial_filter, gauss_filter等来创建阈值图片；

当LightDark = 'light' 时 g0 >= gt+Offset;

当LightDark = 'dark' 时 g0 <= gt-Offset;

当LightDark = 'equal' 时 gt-Offset <= g0 <= gt+Offset;

当LightDark = 'not_equal' 时 gt+Offset < g0 或者 g0 < gt-Offset;

 

利用dyn_threshold可以提取目标图片的轮廓，如下图

代码如下：

read_image (Image2, 'C:/Users/Administrator/Desktop/2注册图片.bmp')
draw_rectangle1 (200000, Row1, Column1, Row2, Column2)
gen_rectangle1 (Rectangle, Row1, Column1, Row2, Column2)
reduce_domain (Image2, Rectangle, ImageReduced)
mean_image (ImageReduced, ImageMean, 3, 3)
dyn_threshold (ImageReduced, ImageMean, RegionDynThresh, 10, 'light')

MaskSize尺寸越大，发现的区域就越大,一般，MaskSize的大小应该是被提取对象直径的两倍，如下图：

代码如下：

read_image (Image2, 'C:/Users/Administrator/Desktop/2注册图片.bmp')
draw_rectangle1 (200000, Row1, Column1, Row2, Column2)
gen_rectangle1 (Rectangle, Row1, Column1, Row2, Column2)
reduce_domain (Image2, Rectangle, ImageReduced)
mean_image (ImageReduced, ImageMean, 10,10)
dyn_threshold (ImageReduced, ImageMean, RegionDynThresh,5, 'light')

注意：offset不应该设置成0，如果设置成0会有很多干扰会被一起提取出来，建议值应该是5到40，offset越大，被提取的区域就会越小，超过60可能就发现不了任何点了，整个函数的返回就是一个空区域；

 

三、bin_threshold 

bin_threshold(Image : Region : : )对应参数为输入图像和输出区域

使用自动确定的阈值分割图像，bin_threshold已经过时，只是为了向后兼容而提供的，新的应用程序应该使用binary_threshold来替代；

bin_threshold使用自动确定的阈值分割单通道的灰度图像，首先，输入图像的相对直方图是确定的，然后，从直方图中提取相关的最小值，作为阈值操作的参数，为了减少最小值的数量，对直方图进行高斯平滑处理，掩模的大小被放大，直到平滑直方图中只有一个最小值

 

 

四、binary_threshold 二值阈值

binary_threshold(Image : Region : Method, LightDark : UsedThreshold)对应参数分别为输入图像、输出区域、使用方法、选择前景还是背景、输出使用的阈值

使用二值阈值分割图像，binary_threshold使用自动确定的全局阈值分割单通道图像，并在region中返回分割后的区域，分割所使用的阈值由method中给出的方法确定，非常适用于在均匀照明的背景下分割字符；

目前，method总共提供两种方法：'max_separability' 和 'smooth_histo'，这两种方法都只能用于具有双峰直方图的图像：

 'smooth_histo' 方法和bin_threshold的功能一致，可以参考bin_threshold的分割过程；

'max_separability' 方法是靠UsedThreshold来决定最小阈值的，速度比'smooth_histo'要快，对于干扰也不是那么敏感；

 

五、auto_theshold 直方图阈值

auto_threshold(Image : Regions : Sigma : ) 对应参数分别为输入图像、输出区域、高斯参数

利用直方图确定的阈值分割图像，通过多阈值分割单通道图像，会返回多个区域；首先输入图像的绝对直方图的灰度值是确定的，然后高斯平滑（Sigma）后从直方图中提取相关的最小值，Sigma越大，提取的区域就越小；

代码如下：

read_image (Image2, 'C:/Users/Administrator/Desktop/2注册图片.bmp')
draw_rectangle1 (200000, Row1, Column1, Row2, Column2)
gen_rectangle1 (Rectangle, Row1, Column1, Row2, Column2)
reduce_domain (Image2, Rectangle, ImageReduced)
median_image (ImageReduced, ImageMedian, 'circle', 5, 'mirrored')  为了过滤干扰因素，不进行过滤的话，会返回很多个干扰区域；
auto_threshold (ImageMedian, Regions, 5)

 

六、fast_threshod 全局阈值

fast_threshold(Image : Region : MinGray, MaxGray, MinSize : ) 对应参数分别为输入图像、输出区域、阈值下限、阈值上限、处理参数

基于全局阈值的图像快速阈值化，fast_threshold从输入图像中选择灰度值g满足以下条件的像素：

此方法为了节约处理时间，分成两步去阈值图像，第一步是通过MinSize的值来先处理行列间隔为Minsize的所有像素点，第二步是再处理邻域(size (2*MinSize+1) x (2*MinSize+1))的所有点；

对于不需要深入研究的人，在理解MinSize的时候，可以直接理解为就是一个加速参数，把图像分成两块来分别处理，MinSize决定了两块的比例；

虽然Fast_threshold已经分了两步去处理，但是由于多核计算机支持SSE2指令集的，所以再多核计算机上threshold的速度是大于fast_threshold的，基本上fast_threshold主要用于嵌入式系统中，速度才会快于threshold;

测试速度：

代码如下：处理一幅大图时

没有循环的情况下，只执行一遍，fast_threshold的MinSize=1,执行时间如下：

没有循环的情况下，只执行一遍，fast_threshold的MinSize=200,执行时间如下：

把fast_threshold更换成threshold (ImageReduced, Region,20, 255)，执行时间如下：

注意：只是简单论证两种方式的时间，不够严谨性，如需要大量验证，必须保证条件的一致性，以及执行的次数够过才行；

 

七、var_threshold 

var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )
分别对应于参数

输入图像、输出区域、掩膜宽度、掩膜高度、灰度值的标准差因子、与平均值的最小灰度差值、阈值类型

在不均匀的，嘈杂的，或不均匀照明的背景上分割区域是比较合适的；

通过局部均值和标准差分析阈值图像，主要通过以下几个条件来选择像素：

1、提取像素的局部灰度值是亮的还是暗的，也就是提取前景还是背景，取决于参数LightDark;

2、MaskWidth和MaskHeight如下图，其他参数相同的情况下，（1）是原始图片，（2）是MaskWidth和MaskHeight等于12，（3）是MaskWidth和MaskHeight等于3，（4）是MaskWidth和MaskHeight等于40

因此MaskWidth和MaskHeight的最小值应该要大于等于3，值3可以被认为是最小的敏感值；

3、如果StdDevScale是正值，那么像素灰度值需要具有较高的标准偏差（不均匀的图像）；如果StdDevScale是负值，那么像素灰度值需要具有较低的标准偏差（均匀的图像）；StdDevScale 局部标准差被用来衡量图像中的噪声，标准差可以通过StdDevScale进行缩放（最后一张图体现了缩放的意义），以反映所需的灵敏度，较高的值意味着只选择与周围环境非常不同的像素，建议值是在-1.0到1.0之间，0.2是建议值，如下图：

图（1）是StdDevScale的值过于小，导致很多像素没有被选中，图（2）是值过大，导致不需要的像素值被选中；

 

4、AbsThreshold 在均匀的图像中，标准差较低;因此，单个灰度值的影响较大，为了减小算子的灵敏度，需要调整AbsThreshold的值，这样单个灰度值的变化就可以被忽略；

值得注意的是，如果StdDevScale是负值，AbsThreshold也应该选择为负值，因为标准差比较低，在介绍StdDevScale时有提到；

 

补充：标准差可以通过StdDevScale进行缩放

结果灰度值GrayValues，经过StdDev的值来放大，主要在平均灰度值Mean的基础上，从而拉大灰度值的差距，提高对比来选出需要的区域

 

总结：

1、使用最多的基本就是threshold、dyn_threshold、binary_threshold和var_threshold;

2、正常干扰不多的情况下直接用threshold即可；

3、复杂情况根据具体需要选择dyn_threshold、binary_threshold、var_threshold;