Halcon阈值化算子dual_threshold和var_threshold的理解

Halcon中阈值二值化的算子众多，一般用得最多的有threshold、binary_threshold、dyn_threshold等。

 

threshold是最简单的阈值分割算子，理解最为简单；binary_threshold是自动阈值算子，它能够自动选出暗（dark）的区域，或者自动选出亮（light）的区域，理解起来也没有难度。

 

动态阈值算子dyn_threshold理解起来稍微复杂一点，使用dyn_threshold算子的步骤基本是这样的：

① 将原图进行滤波平滑处理。

② 用原图和平滑后的图逐个像素作比较，它能够根据参数分割出原图比平滑后的图灰度高（或者低）若干个灰度值的区域。

举例以下：

处理程序是这样的：

1 read_image (Image, 'C:/Users/happy xia/Desktop/dynPic.png')
2 mean_image (Image, ImageMean, 9, 9) 3 dyn_threshold (Image, ImageMean, RegionDynThresh, 10, 'dark')

程序分析：本例中，将图片模糊后，点阵字的黑色扩散了，随之就是字的黑色不如原图那么黑了，那么经过给定的限值“10”和“dark”，就能够将原图比模糊后的图暗10个灰阶以上的区域（即黑色文字部分）选出来了。

 

 以上所说的三个算子并非本文的重点，但倒是理解下面的两个阈值分割算子的准备知识。

 

一、dual_threshold

先看程序和效果图再分析。

 

1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png')
2 dual_threshold (Image, RegionCrossings, 174, 200, 180)

dual_threshold(Image : RegionCrossings : MinSize, MinGray, Threshold : )

该算子签名中：Threshold 表示用于分割的阈值数值，MinSize表示分割出来的区域的最小面积（即数像素的数目个数），MinGray表示分割出来的区域对应的原图中图像像素的最高灰度不能低于MinGray设定值。

 

注意图中蓝色矩形小色块的面积是175个像素，所以当MinSize = 174时，它能够被分割出来。

 

OK，我知道这么说比较拗口。下面我边改变参数边观察效果图，并作简要分析：

1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png')
2 dual_threshold (Image, RegionCrossings, 176, 200, 180)

效果图以下：

因为最小面积设置为176，那么面积为175像素的矩形小色块就没有被分割出来。

 

再来改变MinGray参数：

1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png')
2 dual_threshold (Image, RegionCrossings, 176, 216, 180)

此时观察到，最右边那个齿轮原本分割出来的区域没有了！

 

经过取色器观察可知，这块区域最亮的灰度大概比211高一点点。

 

咱们把这个值略微调低再看看：

1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png')
2 dual_threshold (Image, RegionCrossings, 176, 210, 180)

最右边那个齿轮右下角那一块又被分割出来了！

 

相信经过这样参数的反复调节，你们已经完全明白了dual_threshold算子的意义和用法。

 

咱们看这个算子的名称——dual是“双”的意思，也就是双阈值。若是咱们让参数列表中的MinGray = Threshold，那就是单阈值了。

1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png')
2 dual_threshold (Image, RegionCrossings, 176, 180, 180)

这个算子是很高效的。若是要完成上面这个程序这样的功能，用threshold算子的话，代码要这样写：

1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png')
2 threshold (Image, Region, 180, 255)
3 connection (Region, ConnectedRegions)
4 select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 176, 9999999)

也就是说dual_threshold一条算子顶这三条算子。

 

dual_threshold算子的缺陷：它只能分割出灰度值高的亮区域，不能分割出灰度值低的暗区域。

 

下面介绍var_threshold算子。

 

二、var_threshold

 

先看var_threshold算子的签名：

var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )

MaskWidth、 MaskHeight是用于滤波平滑的掩膜单元；StdDevScale是标准差乘数因子（简称标准差因子）；AbsThreshold是设定的绝对阈值；LightDark有4个值可选，'light'、'dark'、'equal'、'not_equal'。

 

须要强调的是var_threshold算子和dyn_threshold算子极为相似。不一样的是var_threshold集成度更高，而且加入了“标准差×标准差因子”这一变量。

举例：

1 read_image (Image, 'C:/1.png')
2 var_threshold (Image, Region, 4, 4, 0.2, 12, 'dark')

在该程序中，先用4×4的掩膜在图像上逐像素游走，用原图中的当前像素和对应掩膜中16个像素的灰度均值对比，找出暗（dark）的区域。当原图像素灰度比对应的掩膜灰度均值低（0.2,12）个灰阶时，该区域被分割出来。本程序中StdDevScale = 0.2, AbsThreshold = 12,问题的关键就是理解如何经过StdDevScale和AbsThreshold来肯定用于分割的阈值。

 

var_threshold的帮助文档中是这么写的：

说明：

一、d(x,y)指的是遍历每一个像素时，掩膜覆盖的那些像素块（本例中是4×4 = 16个像素）灰度的标准差；StdDevScale 是标准差因子。

二、当标准差因子StdDevScale ≥ 0 时，v(x,y) 取（StdDevScale ×标准差）和AbsThreshold 中较大的那个。

三、当标准差因子StdDevScale ＜ 0 时，v(x,y) 取（StdDevScale ×标准差）和AbsThreshold 中较小的那个。实测发现，这里的比较大小是带符号比较，因为标准差是非负数，当StdDevScale ＜ 0 时，（StdDevScale ×标准差）≤ 0恒成立。因此此时的取值就是（StdDevScale ×标准差）。

 

文档是这么说的：

If StdDevScale*dev(x,y) is below AbsThreshold for positive values of StdDevScale or above for negative values StdDevScale, AbsThreshold is taken instead.

大体意思是：

当StdDevScale为正时，若是StdDevScale*dev(x,y) 低于 AbsThreshold，则采用AbsThreshold。

当StdDevScale为负时，若是StdDevScale*dev(x,y) 高于 AbsThreshold，则采用AbsThreshold。

 

我找了一块黑白过渡处4×4的像素块，求得它的灰度标准差为51.16（或49.53）：

 

帮助文档中StdDevScale 的推荐值范围是-1~1，通常经过上面的例子可知，通常的明显的黑白过分处的标准差在50左右，乘以StdDevScale即-50 ~ 50 ,50的灰度差别，对于分割来讲通常是够了的。

文档还说：推荐的值是0.2，若是参数StdDevScale太大，可能分割不出任何东西；若是参数StdDevScale过小（例如-2），可能会把整个图像区域所有输出，也就说达不到有效分割的目的。（……with 0.2 as a suggested value. If the parameter is too high or too low, an empty or full region may be returned.）

 

最后再看看是怎么分割像素的：

 

其中g(x,y)指的是原始图像当前像素的灰度值；m(x,y)指的是遍历像素时，掩膜覆盖的像素的平均灰度值（mean）。

以LightDark = ‘dark’为例，当知足m(x,y) - g(x,y) ≥ v(x,y)时（即原始图像对应像素灰度比掩膜像素灰度均值低v(x,y)个灰度值以上），相应的灰度值低的暗像素被分割出来。

 

最后看几个例子体会一下：（对比以前的例子var_threshold (Image, Region, 4, 4, 0.2, 12, 'dark')的效果）

① 将AbsThreshold 由12改为30，此时分割出的区域变小。

1 read_image (Image, 'C:/1.png')
2 var_threshold (Image, Region, 4, 4, 0.2, 30, 'dark')

 

② AbsThreshold 保持12不变，将StdDevScale由0.2改为0.7，此时分割出的区域变小。

 

③ 将参数改成var_threshold (Image, Region, 4, 4, -0.01, 12, 'dark')，此时分割出的区域大大增长，由前面的分析可知，此时参数AbsThreshold = 12无效，事实上，此时将AbsThreshold 改成一、50甚至200都对最终结果没有任何影响。

 

经过本人的分析，我认为StdDevScale取负值意义不大，由于它会分割出大量的不须要的区域，故通常推荐使用该算子时，StdDevScale取正值。

 

须要强调的是：在黑白过渡处，通常掩膜覆盖的像素的标准差较大，而在其余平缓的地方，标准差较小；所以最终采用的分割阈值随着掩膜在不断遍历像素的过程当中，在(StdDevScale×标准差)和AbsThreshold 之间不断切换。

 

var_threshold和dyn_threshold的区别和联系：

 

dyn_threshold是将原图和滤波平滑后的图对比，var_threshold是将原图和对应像素掩膜覆盖的像素的平均灰度值对比。

在算子var_threshold中，若是参数StdDevScale = 0，那么就能够用动态阈值的方式很是近似地模拟。如下两种算法的效果极为相似：

1 read_image (Image, 'C:/1.png')
2 var_threshold (Image, Region, 4, 4, 0, 12, 'dark')

1 read_image (Image, 'C:/1.png')
2 mean_image (Image, ImageMean, 4, 4)
3 dyn_threshold (Image, ImageMean, RegionDynThresh, 12, 'dark')

两种方法的效果图：

 

那么当StdDevScale ＞ 0 时，var_threshold对比dyn_threshold还存在什么优势呢？我认为是在黑白过渡处能减小分割出不须要的区域的几率。（由于黑白过渡处标准差大，固然前提是StdDevScale 不能设置得过小）

 

（网上关于这两个算子的系统介绍不多，个人理解不免有不足之处，欢迎你们回复讨论）