公眾號：機器視覺那些事兒

“古人云，一生二，二生三，三生萬物。古人有云，水之清則無敵。故名三清！”

此次選取的案例依然是官方Blob案例–基于歐式距離的分水嶺算法的區(qū)域分割。Halcon的官方例程，都是頂級工程師的思想精華，大多實際項目的難度并沒有官方例程復(fù)雜，由于官方例程針對的是有一定Halcon基礎(chǔ)的，本人在此次處理時添加了詳細(xì)的中文注釋，做出一定的調(diào)整，更容易讓讀者理解和接受。

原理簡介

第1步：

使用區(qū)域距離變換算子獲取距離信息圖

distance_transform(Region：DistanceImage：Metric，Foreground，Width，Height)

距離變換簡化了分水嶺算法的復(fù)雜度。距離變換針對二值圖像，目標(biāo)像素為1，背景像素為0。距離變換的結(jié)果圖像是一個灰度圖像，灰度值就是圖像中該像素距離其最近的背景像素的距離。

假設(shè)兩個像素點P1（x1，y1），P2（x2，y2）

距離D = sqrt((x1-x2)(x1-x2) + (y1-y2)(y1-y2))

第2步：

使用閾值分水嶺算子獲取盆地
watersheds_threshold(Image : Basins : Threshold : )

分水嶺算法是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)的分割方法，基本思想是把圖像看做拓?fù)涞孛?#xff0c;圖像中的每一點像素的灰度值表示該店的海拔高度，高灰度代表山脈，低灰度代表盆地，每一個局部極小值及其影響區(qū)域成為集水盆，而集水盆的邊界形成分水嶺。

第3步：
根據(jù)第一步分水嶺算法分離結(jié)果，若盆地部分的灰度< threshold，則被合并到一起。設(shè)B1和B2分別為相鄰盆地的最小灰度值，W為將盆地分割為兩個盆地的最小灰度值。

則分割結(jié)果為：

2.程序使用的算子

distance_transform(Region：DistanceImage：Metric，Foreground，Width，Height)區(qū)域距離變換

watersheds_threshold(Image : Basins : Threshold : )閾值分水嶺

connection(Region : ConnectedRegions : : )計算區(qū)域的連通域

select_shape (ConnectedRegions, SelectedRegions, ‘a(chǎn)rea’, ‘a(chǎn)nd’, 20, 99999) 根據(jù)區(qū)域特征（面積、長度等）提取區(qū)域

distance_transform(Region : DistanceImage : Metric, Foreground, Width, Height : )計算區(qū)域的距離變換

convert_image_type(Image : ImageConverted : NewType : )轉(zhuǎn)換圖像類型（byte* / direction* / cyclic* / int1* / int2* / uint2* / int4* / int8 / real* / complex*）

invert_image(Image : ImageInvert : : )反轉(zhuǎn)圖像

scale_image_max(Image : ImageScaleMax : : )將圖像灰度范圍擴大到【0,255】

intersection(Region1, Region2 : RegionIntersection : : )計算區(qū)域的交集

4.算法思路

• （1）簡單的閾值分割；

• （2）計算連通域connection；

• （3）基于距離變換的分水嶺區(qū)域分割，使用算子distance_tansform,watersheds

• （4）盆地與原連通域求交集，分離粘連顆粒；

  5.現(xiàn)學(xué)現(xiàn)用

（1）讀入原圖，簡單的閾值分割

*采集圖像

dev_close_window ()
read_image (Image, ‘pellets’)

*計算圖片大小，并以原圖尺寸顯示
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, ‘black’, WindowHandle)
dev_display (Image)
stop ()

*01 簡單的閾值分割
threshold (Image, Region, 105, 255)

閾值分割

（2）計算連通域connection

connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, ‘a(chǎn)rea’, ‘a(chǎn)nd’, 20, 99999)
dev_set_draw (‘margin’)
dev_display (Image)
dev_display (SelectedRegions)
disp_continue_message (WindowHandle, ‘black’, ‘true’)
stop ()

計算連通域并篩選連通域

部分顆粒粘連處在一個連通域

（3）基于距離變換的分水嶺區(qū)域分割，使用算子distance_tansform,watersheds

*03 基于距離變換的分水嶺區(qū)域分割，使用算子distance_tansform,watersheds
*距離變換
distance_transform (SelectedRegions, DistanceImage, ‘octagonal’, ‘true’, 380, 350)
*轉(zhuǎn)換圖像類型，將real類型轉(zhuǎn)換為byte，因為分水嶺迭代運算的圖像為‘byte’類型
convert_image_type (DistanceImage, DistanceImageByte, ‘byte’)
*反轉(zhuǎn)圖像，使得高灰度值在邊緣代表山脈，低灰度值在里面代表盆地
invert_image (DistanceImageByte, DistanceImageInv)

*擴大圖像灰度范圍【0,255】，增加對比度

scale_image_max (DistanceImageInv, DistanceImageInvScaled)
watersheds_threshold (DistanceImageInv, Basins, 5)
dev_display (DistanceImageInvScaled)
dev_display (Basins)
disp_continue_message (WindowHandle, ‘black’, ‘true’)
stop ()

分水嶺圖

已成功分割粘連顆粒

（4）盆地與原連通域求交集，分離粘連顆粒；

*04 盆地與原連通域求交集，分離粘連顆粒

intersection (Basins, SelectedRegions, SegmentedPellets)

最終效果圖

成功分割粘連顆粒

原圖及完整源代碼見百度網(wǎng)盤：

鏈接：https://pan.baidu.com/s/1FV2zYWK2gnA0duFdLnIlXA 密碼：h7t7

總結(jié)

以上是生活随笔為你收集整理的halcon 粘连物体分割的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。