Halcon图像分割
auto_threshold(Image : Regions : Sigma : ) * 对单通道图像做自动阈值（灰度直方图确定）分割
Sigma：灰度直方图高斯光滑核（标准差），光滑消除噪声，并且分割区域
binary_threshold(Image : Region : Method, LightDark : UsedThreshold) * 使用二值阈值进行图像分割，用于背景色与前景色色差较为分明的图像，自动选取Sigma值进行高斯光滑处理，光滑直到灰度直方图只有一个最小值，这个最小值就是阈值；
Method：分割方法，只适用于具有双峰直方图的图像。
smooth_histo方法提供了与bin_threshold操作符相同的功能。
max_separability方法倾向于为UsedThreshold确定较小的值。此外，它对距离光谱其余部分很远的柱状图中孤立的薄峰不太敏感，而且通常比smooth_his更快
LightDark：提取前景色还是背景色 'light' 'dark'
char_threshold(Image, HistoRegion : Characters : Sigma, Percent : Threshold) * 为提取字符执行阈值分割，适用于不是很明显的出现极小值的情况（色差相对小）
Image：用于提取字符的图像
HistoRegion：要提取字符所在的Region，可以和Image一样
Percent：灰度直方图中的灰度差的百分比
此方法关键在于找到灰度直方图中的最大值，在最大值的左侧寻找关键阈值，Threshold所对应的灰度值频率不能大于最大值频率乘以(100.0-Persent)
histogram[Threshold]*100.0 < histogram[maximum]*(100.0-Percent)
dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )
* 动态局部阈值分割图像，根据像素周围的情况来决定阈值
OrigImage：单通道原图像
ThresholdImage：用于对比局部阈值的图像，通常是原始图像的平滑版本（如mean_image、binomial_filter、gauss_filter等）
RegionDynThresh：阈值分割后获得的区域
Offset：原图像与对比图像的像素值偏移量
LightDark：决定选取暗边界还是亮边界以及相似边界
'light' OrigImage >= ThresholdImage + Offset
'dark' OrigImage <= ThresholdImage - Offset
'equal' ThresholdImage - Offset <= OrigImage <= ThresholdImage + Offset
'not_equal' ThresholdImage - Offset > OrigImage or OrigImage > ThresholdImage + Offset
dual_threshold(Image : RegionCrossings : MinSize, MinGray, Threshold : )
* 通过阈值分割有符号图像（灰度值有正负之分），通常前面伴随着如diff_of_gauss,sub_image等这样的算子使用
fast_threshold(Image : Region : MinGray, MaxGray, MinSize : )
* 使用全局阈值对图像进行快速阈值化
MinSize 要提取的对象的最小大小
在支持SSE2指令集的多核计算机上，threshold很可能比fast_threshold更快。只有在这些特性不可用的情况下，才可能首选fast_threshold而不是threshold，例如在嵌入式平台上
某些情况下fast_threshold的效果比threshold效果好
hysteresis_threshold(Image : RegionHysteresis : Low, High, MaxLength : ) * 对图像执行一个滞后阈值操作(由Canny引入)。在图像上执行一个滞后阈值操作(由Canny引入)。输入图像中灰度值大于或等于High的所有点立即被接受(“安全”点)。
相反，所有灰度值小于Low的点立即被拒绝。如果“潜在”点的路径连接到“安全”点，则接受在两个阈值之间有灰度值的“潜在”点，这些“潜在”点的长度最多为MaxLength点。
通过sub_image对两帧图像做差，得到图三的图像，其中中亮部分小车灰度值大于零，暗部分小车灰度值小于零，使用dual_threshold进行分割得到图四。
dev_close_window () read_image (Traffic1, 'traffic1') read_image (Traffic2, 'traffic2') get_image_size (Traffic1, Width, Height) dev_open_window (0, 0, 2 * Width, 2 * Height, 'black', WindowHandle) convert_image_type (Traffic1, ImageConverted1, 'int2') convert_image_type (Traffic2, ImageConverted2, 'int2') sub_image (ImageConverted1, ImageConverted2, ImageSub, 1, 0) dual_threshold (ImageSub, RegionDiff, 500, 20, 10)
var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )
* 根据掩膜局部均值和标准差来做与会分割
MaskWidth,MaskHeight：掩膜大小，在此区域求均值方差
StdDevScale：标准差因子
AbsThreshold：像素值与均值对比的最差值
StdDevScale>=0，则
v(x,y) = max(StdDevScale * d(x,y), AbsThreshold)
如果参数StdDevScale<0，则
v(x,y) = min(StdDevScale * d(x,y), AbsThreshold)
LightDark = 'light' 获得亮边界
Image(x,y) >= mean(x,y) + v(x,y)
LightDark = 'dark' 获得暗边界
Image(x,y) < mean(x,y) - v(x,y)
