少有人走的路dyn_threshold算子
动态阈值算子应付以下情况：
对于一些应用来说，确定一个全局阈值是不可能的，比如，因为
没有通用的参考图像来确定阴影校正
图像的背景是非均匀的
物体在局部范围内通常比背景亮些或者黑些
在这种情况下，寺找一个固定阈值来区分物体和背景是丌太容易的
问题: 局部邻域的确定
局部邻域可以由平滑滤波器来确定(比如, mean_image或binomial_filter)
动态阈值算子的经验说明：
滤波的mask尺寸确定了做能分割出来物体的最大尺寸
经验之谈
mean_image的滤波尺寸> 被提取物体的直徂
类似条件应用到Gauss filter
如果滤波掩码尺寸太大，那么相邻非常近的物体将会连在一块
劢态阈值也会返回沿着边缘的处理结果
局部阈值斱法
通过平均图像灰度来确定局部邻域
使用的滤波掩码尺寸大于字符的笔划宽度,推荐2×D+1
选出的所有像素要比局部邻域要黑，也就是比均值滤波后的图像要黑
同常下面两个算子配合使用：
mean_image(Image, ImageMean, 21, 21)
dyn_threshold(Image, ImageMean,Region, 15, 'dark')
一个例子：
下图中需要提取全部的小斑点。其困难有两点：
大斑点与小斑点之间无法通过同一个阈值参数分割，因为灰度值差异太大。
小斑点之间其实也无法使用同一个阀值参数进行分割。道理同上面。
原图：
下面的代码很好的完成了任务要求：
read_image (Image, 'particle')
*获取图像
dev_display (Image)
*显示图像
threshold (Image, Large, 110, 255)
*灰度阈值分割图像
dilation_circle (Large, LargeDilation, 7.5)
*圆角膨胀
dev_display (Image)
dev_set_draw ('margin')
dev_set_line_width (3)
dev_set_color ('red')
dev_display (LargeDilation)
dev_set_draw ('fill')
*显示图像
complement (LargeDilation, NotLarge)
*返回补集图像，即获得去除大斑点后的图像NotLarge
reduce_domain (Image, NotLarge, ParticlesRed)
*减去除了NotLarge图像，即去除大斑点后的图像，减少运算
mean_image (ParticlesRed, Mean, 31, 31)
*平滑处理图像
dyn_threshold (ParticlesRed, Mean, SmallRaw, 3, 'light')
*选择灰度阈值；当前背景之间差异明显时，可以设定全局阈值进行threshold，
*但很多情况下由于背景不均一，
*目标体经常表现为比背景局部亮一些或暗一些，无法确定全局阈值操作，
*需要通过其邻域找到一个合适的阈值进
*行分割。ThresholdImage是参考图像，通过与OrigImage对比找到领域确定阈值，
*一般采用平滑滤波算子
*（如mean_image）获取参考图像。offset设定邻域比较的区间范围，
*灰度值变化在offset范围内均是可以接受的。
opening_circle (SmallRaw, Small, 2.5)
*消除小区域(小于圆形结构元素)和光滑的边界地区
connection (Small, SmallConnection)
*显示联通区域
dev_display (Image)
*这句不加窗口显示效果会有雪花
dev_set_colored (12)
dev_display (SmallConnection)
*显示结果图像下面给出动态阈值算子的三个参数的中间结果图像。
图1： 区域ParticlesRed
图2： 区域Mean
图3 dyn_threshold算子计算后的结果
当前背景之间差异明显时，可以设定全局阈值进行threshold，但很多情况下由于背景不均一，目标体经常表现为比背景局部亮一些或暗一些，无法确定全局阈值操作。
如果对ParticlesRed区域做阈值，你会发现无论怎么调节最小与最大灰度值分割线，都无法分割出如图3那样的全部的小斑点。
这个时候就需要使用算子dyn_threshold
var_threshold算子
这个也属于动态阈值算子。
这个算子有着以下特征：
较好地分开前景和背景
对丌合适的参数设置丌敏感
因为只使用单个算子就能实现，所以编程容易
缺点是相比dyn_threshold而言需要更长的执行时间
下面示例可以很好分离出前景与背景。
rgb1_to_gray(Image, GrayImage) var_threshold(GrayImage, Region, Width, Height, 0.2, 19, 'dark')
watersheds_threshold分水岭阈值算子
如果对比度差异比较少，watersheds_threshold 可以使得相邻的盆地合并
即使在有噪声的条件下，也可以分割区域
watersheds_threshold (GrayImage, Basins, 33)
区域连通算子regiongrowing
regiongrowing(Image : Regions : Row, Column, Tolerance, MinSize : )
区域连通算子（ 区域连通算法，将图象被分割为区域 ）：
Row：被测试的区域的垂直距离
Column：被测试的区域的水平距离
Tolerance：两个点之间的最大的灰度差距 ：|g_1 - g_2| < Tolerance
MinSize：最小的输出区域（记输出的连通区域的尺寸）
例 ：regiongrowing (Image, Regions, 3, 3, 6, 100)
原图：
regiongrowing(Image,Regions,3,3,26,55)
处理结果如下图，可以很好的分离了黑白区域！
---------------------
作者：hackpig
来源：www.skcircle.com
版权声明：本文为博主原创文章，转载请附上博文链接！
halocn基础系列教程列表：
Halcon学习（27-1）halcon测量技术：亚像素，亚像素精度
Halcon学习（26）dev_get_preferences的用法
Halcon学习（4-6）Region处理：动态阈值，分水岭
Halcon学习（4-5）Region处理：合并区域，扩大和缩小区域，取区域特征值
Halcon学习（4-4）Region处理： 区域相减，区域求补集
Halcon学习（4-2）Region处理：选择区域，分割图像
Halcon学习（4-1）ROI感兴趣区域，reduce_domain和crop_domain，鼠标绘制区域
视觉检测之产品瑕疵检测
视觉检测之焊点检测
模板匹配/仿射变换
halcon模板匹配 scaled_shape_model模板的另一个例子
Halcon中两种实现旋转的方法rotate_image和affine_trans_image
halcon的 shape_model模板匹配的算子使用流程的总结
