图像处理函数与形态学操作笔记（含 Halcon 示例）
一、区域筛选与特征提取函数
1. 区域筛选函数
select_shape()
功能：根据区域的形状特征（如面积、圆形度、凸度、长宽比等）筛选符合条件的区域。
Halcon 示例：
read_image (Image, 'pcb.jpg') // 读取电路板图像 threshold (Image, Regions, 100, 200) // 二值化得到初始区域 connection (Regions, ConnectedRegions) // 分割为独立区域 // 筛选出面积在50-500之间、圆形度>0.7的区域（如合格焊点） select_shape (ConnectedRegions, SelectedRegions, ['area','circularity'], 'and', [50,0.7], [500,1.0])
select_gray()
功能：根据区域内的灰度值范围筛选区域（如平均灰度、最大 / 最小灰度等）。
Halcon 示例：
read_image (Image, 'medical.png') // 读取医学影像 threshold (Image, Regions, 50, 255) // 初步分割区域 connection (Regions, ConnectedRegions) // 筛选出平均灰度>180的区域（如高密度钙化区域） select_gray (ConnectedRegions, Image, SelectedRegions, 'mean', 'and', 180, 255)
2. 几何特征提取函数
smallest_rectangle2()
功能：计算区域的最小外接矩形（支持旋转，返回中心坐标、宽、高、旋转角度）。
Halcon 示例：
read_image (Image, 'tilted_part.jpg') // 读取倾斜零件图像 threshold (Image, Region, 128, 255) // 计算最小外接矩形参数（Row中心、Col中心、Phi角度、Length1半宽、Length2半高） smallest_rectangle2 (Region, Row, Column, Phi, Length1, Length2) // 绘制外接矩形 gen_rectangle2 (Rectangle, Row, Column, Phi, Length1, Length2) dev_display (Image) dev_display (Rectangle)
area_center_gray()
功能：计算区域的面积（像素数）和灰度中心（灰度加权的几何中心）。
Halcon 示例：
read_image (Image, 'cells.png') // 读取细胞图像 threshold (Image, Cells, 80, 200) connection (Cells, SingleCells) // 计算每个细胞区域的面积和灰度中心 area_center_gray (SingleCells, Image, Area, RowGray, ColGray) // 打印结果（如第1个细胞的面积和中心） tuple_get (Area, 0, CellArea) tuple_get (RowGray, 0, CellRow) tuple_get (ColGray, 0, CellCol)
3. 灰度特征提取函数
| 函数名 | 功能 | Halcon 示例 |
|---|---|---|
| gray_feature() | 提取区域中最小灰度值 | hdevelop<br>gray_feature (Region, Image, 'min', MinGray) // MinGray为最小灰度值 |
| gray_features | 提取区域中最大灰度值 | hdevelop<br>gray_features (Region, Image, 'max', MaxGray) // MaxGray为最大灰度值 |
| min_max_gray() | 同时提取最大与最小灰度值 | hdevelop<br>min_max_gray (Region, Image, 0, Min, Max, Range) // Range=Max-Min |
| intensity() | 提取灰度平均值与偏差 | hdevelop<br>intensity (Region, Image, Mean, Deviation) // Mean平均值，Deviation偏差 |
二、形态学操作（Halcon 实现）
核心特性
适用对象：二值图像（
gen_*函数）或灰度图像（gray_*函数）作用：提取形状特征、去噪、分离物体、填充孔洞等
1. 顶帽操作（gray_tophat）
计算公式：
原始图像 - 开运算结果 = 顶帽图像
（开运算：先腐蚀后膨胀，去除小的亮区域）
功能：突出图像中 “小的、亮的区域”（如暗背景中的小亮斑）。
Halcon 示例：
read_image (Image, 'starry_sky.jpg') // 暗背景星空图像 // 定义结构元素（圆形，半径5） gen_circle (SE, 10, 10, 5) // 灰度顶帽操作，提取小亮点（星星） gray_tophat (Image, SE, Tophat) dev_display (Tophat) // 显示提取的亮斑
2. 低帽操作（gray_bothat）
计算公式：
闭运算结果 - 原始图像 = 低帽图像
（闭运算：先膨胀后腐蚀，填充小的暗区域）
功能：突出图像中 “小的、暗的区域”（如亮背景中的小暗点）。
Halcon 示例：
read_image (Image, 'white_paper.jpg') // 白纸含小黑点图像 gen_circle (SE, 10, 10, 3) // 小结构元素 // 灰度低帽操作，提取小黑点杂质 gray_bothat (Image, SE, Bothat) dev_display (Bothat) // 显示提取的暗点
以上函数和操作是 Halcon 中图像分析的基础工具，通过组合使用可实现目标检测、缺陷识别、特征测量等复杂任务。