30.2、Blob---分割图像
1、histo_to_thresh( : : Histogramm, Sigma : MinThresh, MaxThresh)
功能：根据灰度直方图的统计信息和平滑参数Sigma确定分割阈值。
注：使用前必须用gray_histo(Regions, Image : : : AbsoluteHisto, RelativeHisto)算子统计图像的灰度直方图信息。
2、threshold(Image : Region : MinGray, MaxGray : )
功能：根据输入的分割阈值MinGray, MaxGray分割图像。
例子：
read_image (Image, 'clip')
*统计图像灰度直方图信息
gray_histo (Image, Image, AbsoluteHisto, RelativeHisto)
*根据灰度直方图的统计信息和平滑参数Sigma确定分割阈值
histo_to_thresh (RelativeHisto, 10, MinThresh, MaxThresh)
*确定目标阈值在分割阈值的那个区间
TargetGray:=23
MinGray:=0
MaxGray:=255
count:=|MinThresh|
for Index := 0 to count-1 by 1
if(TargetGray>=MinThresh[Index] and TargetGray<=MaxThresh[Index])
MinGray:=MinThresh[Index]
MaxGray:=MaxThresh[Index]
break
endif
endfor
*分割目标阈值所在的区间
threshold (Image, Region, MinGray, MaxGray)
3、auto_threshold(Image : Regions : Sigma : )
功能：根据图像直方图平滑参数Sigma确定的阈值分割图像
详细看《5、图像分割（阈值）》
例子：
read_image (Image, 'clip')
auto_threshold (Image, Regions, 10)
select_obj (Regions, ObjectSelected, 1)
注：与2中的例子等效
4、bin_threshold(Image : Region : : )
功能：使用自动全局阈值分割图像，它适用于目标物体和背景之间存在明显灰度差的场合。
简单内部原理：首先自动计算灰度直方图的信息，从直方图中提取相关最小值，为了减少最小值的数量，使用高
斯平滑对直方图进行平滑，掩膜尺寸逐渐增大，直到平滑后的直方图只有一个最小值，即一个波谷两个波峰。灰度值在0到最小值之间的像素构成输出区域。
注：这个算子提取的目标物体为较黑（灰度值低）的物体，若想提取较亮（灰度值大）的物体，可以用
invert_image(Image : ImageInvert : : )算子进行反转图像
5、dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )
功能：动态阈值分割，使用局部阈值分割图像，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一些或者黑一些
这些情况下，寻找一个固定的阈值来区分物体和背景是不太容易的。
参数：
OrigImage：输入原图像
ThresholdImage：输入包含局部阈值的阈值图像
RegionDynThresh：输出区域region
Offset：用于ThresholdImage图像的Offset，Offset可以理解为OrigImage和ThresholdImage的灰度值对比程度。
LightDark：提取区域region的条件模式
描述：
dyn_threshold根据像素所满足的阈值条件来分割图像，假设g_o表示原始图像OrigImage的像素，g_t表示阈值图
像ThresholdImage的像素。
当LightDark='light' 时
g_o>=g_t + Offset
当LightDark= 'dark' 时
g_o <= g_t - Offset
当LightDark= 'equal' 时
g_t - Offset <= g_o <= g_t + Offset
当LightDark= 'not_equal' 时
g_o< g_t - Offset 或g_o > g_t + Offset
- 满足以上条件的像素则作为结果输出。通常情况下，ThresholdImage图像是OrigImage图像进行滤波后得到的图像，可以使用mean_image，binomial_filter，gauss_image，median_image等算子来进行滤波。接着，dyn_threshold效果类似于对高通滤波后的图像（该图像可由原始图像OrigImage使用highpass_image进行高通滤波得到）使用threshold算子进行阈值分割。
⑵、使用dyn_threshold，可以提取对象的轮廓。提取对象大小（直径）是有低通滤波器的掩膜大小和对象的边缘
幅度来确定的：选择的掩膜尺寸越大，找到的区域就越大。作为一个经验法则：掩膜尺寸应该大于要提取对象的直径（下面的测试例子中的字体直径为它的笔画宽度）的两倍。不要把参数Offset设置为0，一旦设置为0，会找到很多小区域，这些小区域是是噪声。Offset的值在5到40之间是有效的选择。选择的值越大，提取的区域越小。
⑶、如果把Offset设置为-1到1之间，那么会产生很多噪声区域，浪费大量的内存空间。如果Offset太大（大于
60）可能会导致没有像素点满足阈值调节（即产生一个空区域）。如果Offset太小（小于-60），可能会导致所有像素点都满足阈值调节（即产生一个全幅和图像大小一个的区域）。
例子1：
read_image (Image, 'alpha1')
*由上面原理可知道，掩膜尺寸为提取对象的直径（字体笔画宽度）两倍，而笔画宽度为3~5个像素，所以掩膜尺寸至少从11开始逐渐增大，直到合适为止
mean_image (Image, ImageMean, 11, 11)
*由于是要分离出黑色字体，所以选择'dark'模式；把参数Offset从小调大，调节到合适为止。
dyn_threshold (Image, ImageMean, RegionDynThresh,15, 'dark')
*也可以用中值滤波，它的半径为10
median_image (Image, ImageMedian, 'circle', 10, 'mirrored')
dyn_threshold (Image, ImageMedian, RegionDynThresh1, 15, 'dark')
例子2：
read_image (Img3145, 'C:/dyn_threshold.JPG')
rgb1_to_gray (Img3145, GrayImage)
mean_image (Img3145, ImageMean1, 21, 21)
dyn_threshold (Img3145, ImageMean1, RegionDynThresh1,8, 'dark')
connection (RegionDynThresh1, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions1, 'area', 'and', 8662.35, 20000)
fill_up (SelectedRegions1, RegionFillUp)
6、var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )
功能：使用局部均值和标准偏差分析分割图像，适用于背景不均匀非线性变化。
参数：
Image：输入图像
Region：分割后输出的区域
MaskWidth：输入掩膜的宽度
MaskHeight：输入掩膜的噶度
StdDevScale：输入灰度值标准差的缩放系数
AbsThreshold：输入阈值
AbsThreshold：输入条件模式
（1）、var_threshold根据像素所满足的阈值条件来分割图像。阈值通过平均灰度值和标准偏差计算，平均灰度值和
标准偏差根据已像素（x，y）为中心的局部窗口（尺寸为MaskWide * MaskHeight）内的灰度值计算。如果MaskWidth或MaskHeight是偶数，那么使用最近的、比其大的技术。掩膜大小应该比要分割的图像特征要打，它应包含至少三个像素
（2）、设g(x,y)是像素点（x，y）在Image图像的灰度值，m（x，y）和d（x，y）是相应的均值和标准差。
当StdDevScale>=0时候
V(x,y) = max(StdDevScale * d（x，y），AbsThreshold )
当StdDevScale<0时候
V(x,y) = min(StdDevScale * d（x，y），AbsThreshold )
即：
AbsThreshold当为正值时，如果StdDevScale * d（x，y）小于AbsThreshold，则起作用的是StdDevScale * d（x，y）；当AbsThreshold为负值时，如果StdDevScale * d（x，y）大于AbsThreshold，则起作用的是AbsThreshold。
（3）、标准差是用来衡量图像中的噪声，通过StdDevScale与标准差的乘积来反映期望的灵敏度。通过参数LightDark
来确定阈值分割条件：
当LightDark='light' 时
g(x,y)>= m（x，y）+ V(x,y)
当LightDark= 'dark' 时
g(x,y)<= m（x，y）- V(x,y)
当LightDark= 'equal' 时
m（x，y）- V(x,y)<= g(x,y) <= m（x，y）+ V(x,y)
当LightDark= 'not_equal' 时
m(x,y) - v(x,y) > g(x,y) or g(x,y) < m(x,y) + v(x,y).
（4）、所有满足上述条件的像素点作为结果区域输出region
参数StdDevScale值在-1和1之间是明智的选择，StdDevScale以0.2为建议值（默认值），如果参数太小会产生一个空区域或盲区域（和图像区域一样大小）。参数AbsThreshold是除StdDevScale * d（x，y）外另一个起作用的阈值参数。
（5）、先把图像分块，求没小块的均值方差，根据均值方差分割图像
（6）、var_threshold算子具有以下特征：
较好的分开目标和背景
对不合适的参数设置不敏感
只是用单个算子就能实现，编程容易实现
相比dyn_threshold，需要更长的执行时间
*获取图像
open_framegrabber ('File', 1, 1, 0, 0, 0, 0, 'default', -1, 'default', -1, 'default', 'label/label', 'default', -1, 1, FGHandle)
grab_image (Image, FGHandle)
*阈值分割
var_threshold (Image, Region, 15, 20, 1.0, 40, 'dark')
注：由于背景中的方格在分块并求均值方差过程中，由于它的均值恒定，方差波动较小。所以过滤掉。
7、fast_threshold(Image : Region : MinGray, MaxGray, MinSize : )
功能：使用全局阈值快速分割图像
MinSize：提取对象的最小尺寸
原理：假设g为与原像素点的灰度值：
第一步：先处理（满足MinGray <= g <= MaxGray，则输出区域）在行、列方向间隔为MinSize的所有像素点。
第二步：处理上（满足MinGray <= g <= MaxGray，则输出区域）一步选择的点的领域（MinSize*MinSize）
在10版本的halcon上，fast_threshold的处理速度比threshold的处理速度还要低。不建议使用。
具体例程参考：fast_threshold.hdev
8、分水岭法分割图像暂时不需掌握，属于高级应用。详细参考《halcon工业应用》P372
