青岛团购网站建设,网络营销策略有哪些方法,网站如何发布和推广,附近找工作8小时长白班Halcon阈值处理的几种分割方法 文章目录 Halcon阈值处理的几种分割方法1. 全局阈值2. 基于直方图的自动阈值分割方法3. 自动全局阈值分割方法4. 局部阈值分割方法5. var_threshold算子6 . char_threshold 算子7. dual_threshold算子 在场景中选择物体或特征是图像测量或识别的重…Halcon阈值处理的几种分割方法 文章目录 Halcon阈值处理的几种分割方法1. 全局阈值2. 基于直方图的自动阈值分割方法3. 自动全局阈值分割方法4. 局部阈值分割方法5. var_threshold算子6 . char_threshold 算子7. dual_threshold算子 在场景中选择物体或特征是图像测量或识别的重要基础而阈值处理是最简单也最常用的区域 选择方法特别适用于目标和背景的灰度有明显区别的情况。下面就介绍几种常用的阈值处理方法。 1. 全局阈值
首先来看什么是阈值。简单来说闽值就是一个指定的像素灰度值的范围。假设阈值为0~255灰度值阈值处理就是将图像中的像素灰度值与该阈值进行比较落在该范围内的像素称为前景其余的像素称为背景。一般会用黑白两色来表示前景与背景。这样图像就变成了只有黑与白两种颜色的二值图像。 当检测对象的图像灰度与背景差异比较大时用阈值处理可以很方便地将其与背景分离开来。根据像素与相邻像素之间的灰度值差异设置一个阈值可以将像素与其相邻像素分隔开来。如果是在图像边缘可以利用边缘的灰度差值进行简单的阈值处理有助于沿边界分割图像。在Halcon中,可使用threshold算子进行全局阈值处理。举例如下
read_image (Image,data/codes)
rgbl_to_gray (Image, GrayImage)
threshold (GrayImage, DarkArea, 0,128)该程序的阈值处理结果如图所示其中图(a为输入图像图b中的红色区域为阅值处理后提取出的较暗区域。 在上面的例子中threshold 算子的第1个参数Graylmage 为输入图像这里用的是灰度图第2个参数DarkArea 为输出的区域类型为Region第3个和第4个参数为阀值的区间值表示0128 灰度范围内的像素区域。
2. 基于直方图的自动阈值分割方法
有时手动设定阈值并不是一个严谨的方法因为人对图像灰度的感受并不精准即使对同一场景当光线有微妙变化时灰度也会有差异。手动设定阈值在粗估计时可能是一个便捷的方法但是随着后续计算步骤的叠加将带来不可估量的误差。在连续采集的图像中图像的灰度也是动态变化的环境光照、拍摄角度等因素都会影响图像的灰度。如果阈值是一个固定的值那么在处理连续图像时结果会不够准确。因此可以使用自适应阙值进行调节。 自适应阈值是一种基于直方图的阈值。直方图是图像像素落在0~253这个区间内的数量统计图。通过直方图可以看出图像灰度的大致分布在有些情况下甚至可以估检测对象的面积与结构。 在Halcon 中使用auto_threshold算子进行自适应阈值处理。该算子可以对单通道图像进行多重闽值处理其原理是以灰度直方图中出现的谷底为分割点对灰度直方图的波峰进行分割。因此有多少个波峰就会分割出多少个区域。auto_threshold 算子的第3个参数Sigma(此例中为8.0)是一个平滑算子可以对直方图进行平滑处理。举例如下
read_image (Image,data/shapes)
rgbl_to_gray (Image, GrayImage)
auto_threshold(GrayImage,Regions,8.0)该程序的阈值处理结果如图所示其中图(a为灰度图像包括几种不同灰度的对象.图b用3种不同的颜色区分了自动阈值分割出的3个区域。其中圆形与矩形物体因为灰度值相近被分割为同一区域三角形的灰度值与另外两种有差异被分割为单独的区域背景灰度值最大也被分割为一个单独的区域。 auto_threshold算子的前两个参数分别为输入的Image图像和输出的Region类型的区域。第3个参数 Sigma 为对灰度直方图进行高斯平滑的核的大小。高斯卷积运算其计算原理是先确定图像的绝对灰度直方图然后使用高斯滤波器对该直方图进行平滑处理。在本例中设Sigma 值为8.0对灰度直方图的平滑效果如图所示。 图 (a为原始灰度直方图可以看出波峰比较多如不处理将产生大量的分割区域不利于提取出有意义的部分因此这里将Sigma 值设得大一些使波峰变得平滑。图b为Sigma为8.0时对灰度直方图进行高斯平滑后的效果可见波峰明显减少到了3个因此图像中自动分割的区域也减少到了3部分。 因此Sigma的值越大平滑效果越显著直方图波峰越少分割出的区域也越少反之,Sigma的值越小直方图平滑的效果越不明显分割的次数也越多。同时可以使用gray_histo 算子和gen_region_histo 算子查看Sigma参数对灰度直方图的影响。
3. 自动全局阈值分割方法
除了auto_threshold算子外还常用binary_threshold算子对直方图波峰图像进行自动阈值分割。binary_threshold 算子同样利用了直方图但不同的是该算子是根据直方图中的像素分布提供可选的分割方法如使用最大类间方差法或平滑直方图法都可以自动计算出一个灰度级别用于分割区域。 同时该算子也可以选择提取较亮还是较暗的范围尤其适用于在比较亮的背景图像上提取比较暗的字符。举例如下
read_image (Image, data/codes)
rgbl_to_gray (Image, GrayImage)
binary threshold (GrayImage, RegionMaxSeparabilityLight, max _separability, dark, UsedThreshold)该程序运行效果如图所示其中图(a)为灰度图像图(b)为使用binary _threshold算子进行阈值分割后的图像。 binary_threshold算子的前两个参数分别为输入和输出的对象。第3个参数为分割的方法这个例子中选择max_separability表示在直方图中对最大的可分性进行分割也可以选择smooth histo表示平滑直方图平滑的原理与auto_threshold算子类似。第4个参数表示提取前景还是背景这里选择dark表示提取较暗的部分也可以选择light表示提取较亮的部分。最后一个参数UsedThreshold 为返回结果将返回所用的阈值。
4. 局部阈值分割方法
上文介绍了几种全局阈值分割方法本小节介绍一个基于局部阈值分割的dyn_threshold算子。它适用于一些无法用单一灰度进行分割的情况如背景灰度比较复杂有的部分比前景目标亮有的部分比前景目标暗又如前景目标包含多种灰度因而无法用全局阈值完成分割。该算子利用邻域通过局部灰度对比找到一个合适的阈值进行分割。 dyn_threshold 算子的应用步骤一般分三步首先读取原始图像然后使用平滑滤波器对原始图像进行适当平滑最后使用dyn threshold算子比较原始图像与均值处理后的图像局部像素差异将差异大于设定值的点提取出来。 举一个例子如图a所示该图中前景部分的字符颜色不均匀无法用单一的灰度阈值进行提取因此可以使用局部阈值分割方法进行提取。代码举例如下
read_image (Image, Idata/text)
*将图像转换为灰度图
rgb1_to_gray (Image, GrayImage)
*由于图像对比度比较低因此对图像进行相乘增强对比度
mult_image (GrayImage, GrayImage, ImageResult, 0.005, 0)
*使用平滑滤波器对原始图像进行适当平滑
mean _image (ImageResult, ImageMean, 50,50)
*动态阈值分割提取字符区域
dyn_threshold (ImageResult, ImageMean, RegionDynThresh, 4, not_equal)
*开运算去除无意义的小的杂点
opening_circle (RegionDynThresh, Region0pening, 1.5)
*显示结果
dev_clear_window()
dev_display (RegionOpening)该段代码运行效果如图所示其中图(a为灰度图像图像中的字符部分颜色不均图b为用dyn_threshold算子进行阈值分割后的图像。 再举一个使用动态阈值进行轮廓提取的例子。如图(a所示该图的前景与背景部分灰度都不均匀因而无法用全局阈值进行提取这时可以用dyn_threshold算子提取前景的轮廓。代码如下:
read_image (Image, data/garlic)
*将图像转换为灰度图
rgbl_to_gray (Image, GrayImage)
*使用平滑滤波器对原始图像进行适当平滑
mean_image (GrayImage, ImageMean, 30,30)
*动态阈值分割提取字符区域
dyn_threshold (GrayImage, ImageMean, RegionDynThresh, 30, not_equal)
*腐蚀操作去除杂点
erosion_circle (RegionDynThresh, RegionClosing, 1.5)该段代码运行效果如图所示其中图(a为灰度图像前景目标灰度复杂背景因为光 照不均匀局部甚至比前景目标更亮图(b为使用dyn_threshold算子进行阈值分割后的图像。 dyn_threshold算子的第1个参数为输入的灰度图像。第2个参数为输入的预处理图像这里食用Mean_Image得到了一张均值图像用于做局部灰度对比。第3个参数为输出的阈值区域。第。个参数是offset值是将原图与均值图像作对比后设定的值灰度差异大于该值的将被提取出来第5个参数决定了提取的是哪部分区域一般有如下4个选择。 1)light表示原图中大于等于预处理图像像素点值加上offset值的像素被选中。 2)dark表示原图中小于等于预处理图像像素点值减去offset 值的像素被选中。 3)equal表示原图中像素点大于预处理图像像素点值减去offset值小于预处理图像像素点值加上offset 值的点被选中。 4)not_equal表示与equal相反它的提取范围在equal范围以外。 该算子适用于在复杂背景下提取前景目标的轮廓或无法用单一灰度阈值提取边缘等情况。注意 实际应用中可以根据图像的灰度值设置均值滤波器的系数和动态阙值的参数。
5. var_threshold算子
除了dyn threshold算子可以利用局部像素灰度差进行分割外var_threshold算子也是一种基于局部动态阈值的分割方法。该方法分割的依据是局部的均值和标准差选择图像中邻域像素满足阈值条件的区域进行分割。该阈值不是一个固定的值而是在点(x)的邻域中使用矩形mask进行扫描分别用点(xy的灰度与均值图像中的点(xy的灰度和矩形的中心点的标准差灰度进行比较。该矩形 mask的长宽需要是奇数这样便于找到矩形的中心点其具体的宽和高应该略大于待分割的图像区域。举例如下
read _image (Image,data/holes)rgbl _to_gray (Image, GrayImage)*设置矩形选择感兴趣区域
gen_rectanglel (Rectangle, 170, 80, 370, 510)
reduce_domain (GrayImage, Rectangle, ImageReduced)
var _threshold (ImageReduced, Region, 15, 15, 0.2, 35, dark)该程序的运行效果如图所示其中图(a)为输入图像图(b)为使用 var_threshold算子进行阈值分割后的图像灰度变化符合阈值的区域被提取了出来。 该算子的第1个参数为输入的灰度图像第2个参数为输出的阈值区域第3个和第4个参数为用于扫描邻域的矩形 mask的宽和高第5个参数为标准差因子用于计算灰度标准差默认为0.2第6个参数为设定的绝对阈值该值用于比较矩形区域内的灰度标准差与均值图像的最小灰度值第7个参数决定了提取的是哪部分区域一般有4个选择即dark、light、equal、not_equal具体解释与dyn_threshold算子相同。
6 . char_threshold 算子
核算子一般用来提取字符适用于在明亮的背景上提取黑暗的字符。该算子的运算过程如下首先计算一个灰度曲线然后给定一个Sigma值用于平滑这个曲线最后将前景与背景区分开来。分割的阈值取决于直方图中的最大值。例如如果选择百分比为95%灰度阈值将锁定在距离直方图峰值的5%左右的区域因为这个算子假定的是字符的灰度都暗于背景。举例如下
read_ image (Char, data/char)
rgbl_to_gray (Char, GrayImage)
char_threshold (GrayImage, GrayImage, Characters, 6, 95, Threshold)该程序的运行效果如图所示其中图(a)为灰度图像图b)为使用char_threshold算子进行阈值分割后的图。 与binary_threshold 算子相比char_threshold算子适用于直方图的波峰之间没有明确的谷底的情况或者是直方图没有明确的峰值的情况。这种情况是可能出现的如图像中只包含几个字符或者是存在不规则光照。
7. dual_threshold算子
该算子表示双阈值处理其原型如下 dual threshold(Image : RegionCrossings : MinSize, MinGray, Threshold 该定义来自Halcon官方文档。其第1个参数为输入图像第2个参数为阈值处理的输出区域第3个参数为分割出的区域的最小面积第4个参数为区域的灰度下限第5个参数为灰度阈值Threshold。该阈值处理可以看作是对两个方向进行了阈值分割不但提取出了灰度大于等于Threshold 值的范围也提取出了小于等于-Threshold值的范围。 之所以会有负的灰度值是因为dual threshold算子在处理之前一般会先对原始图像进行拉普拉斯操作输入的图像一般是拉普拉斯图像这类图像包含正的和负的灰度值的区域。 满足灰度阈值并符合面积条件同时还满足最小灰度条件的区域将最终被分割出来。
