Halcon学习-区域秩/structured_light_model/background_seg/close_edges/closest_point_transform/eliminate_run

1.rank_region 区域的秩运算符。
rank_rect 用矩形掩模计算秩过滤器。

2.grab_image_async 从指定的图像采集设备异步抓取图像。

3.diff_of_gauss 近似对数算子(高斯拉普拉斯)。
zero_crossing 将输入图像的零交叉作为区域返回。如果一个像素的灰度值(在图像中)为零，或者它的4个邻域中至少有一个邻域有不同的符号，那么它就被接受为一个零交叉。

4.exhaustive_match(Image, RegionOfInterest, ImageTemplate : ImageMatch : Mode : ) 模板和图像的匹配。
将ImageTemplate和Image在感兴趣的区域内进行匹配。因此，ImageTemplate将在感兴趣区域内的所有图像点上移动。对于参数模式，计算匹配准则。结果值将存储在ImageMatch中。

5.create_structured_light_model 创建一个结构化的光模型。
set_structured_light_model_param 设置结构化光模型的参数。
decode_structured_light_pattern 解码之前通过结构化光设置获得的相机图像。解码过程生成的对应图像和其他中间结果存储在模型StructuredLightModel中，之后可以使用操作符get_structured_light_object访问。
get_structured_light_object 获取结构化光模型的(中间)标志性结果。

6.background_seg 确定前台区域的后台的连接组件。此运算符通常在边缘运算符之后使用，以确定所提取的边缘所包围的区域。采用4邻域法确定连接元件。

7.close_edges(Edges, EdgeImage : RegionResult : MinAmplitude : )
close_edges关闭边缘检测器输出中的间隙，从而尝试生成完整的对象轮廓。这是通过检查每个边缘点的邻居来确定最大振幅点(即，最大梯度)，如果该点的振幅大于最小振幅MinAmplitude ，则将该点添加到边缘。

close_edges_length(Edges, Gradient : ClosedEdges : MinAmplitude, MaxGapLength : )
close_edges_length 轮廓的闭合分为两步:首先，在输入轮廓上闭合一个像素宽的间隙，消除孤立点。在此之后，通过添加边缘点，将打开的轮廓扩展到MaxGapLength点，直到轮廓关闭或没有找到更重要的边缘点为止。如果梯度大于最小振幅，则认为梯度是显著的。作为可能的新边缘点的相邻点是轮廓线方向上的点及其8邻域内的两个相邻点。

9.closest_point_transform 计算区域的闭点变换。
closest_point_transform分别计算输入区域Region(或其补码)的每个像素到区域外最近像素的距离，并以距离为单位返回此信息。除了距离之外，对应的最近像素以ClosestPoints的形式返回。

10.eliminate_runs消除了输入区域的运行长度编码的所有运行，这些输入区域比elimshort短或比ElimLonger长。

11.Opening 被定义为一个侵蚀，然后是一个闵可夫斯加法。通过对一个区域施加开口，较大的结构基本上保持完整，而像线或点这样的小结构则被消除。相反，闭合操作会导致小的间隙被保留或填补(参见闭合)。
开口用于消除小区域(小于StructElement)并平滑区域边界。StructElement的位置是没有意义的，因为打开操作对于参考点的选择是不变的。