Halcon閾值化算子dual_threshold和var_threshold的理解

Halcon中閾值二值化的算子衆多，一般用得最多的有threshold、binary_threshold、dyn_threshold等。

 

threshold是最簡單的閾值分割算子，理解最爲簡單；binary_threshold是自動閾值算子，它能夠自動選出暗（dark）的區域，或者自動選出亮（light）的區域，理解起來也沒有難度。

 

動態閾值算子dyn_threshold理解起來稍微複雜一點，使用dyn_threshold算子的步驟基本是這樣的：

① 將原圖進行濾波平滑處理。

② 用原圖和平滑後的圖逐個像素作比較，它能夠根據參數分割出原圖比平滑後的圖灰度高（或者低）若干個灰度值的區域。

舉例以下：

處理程序是這樣的：

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，將圖片模糊後，點陣字的黑色擴散了，隨之就是字的黑色不如原圖那麼黑了，那麼經過給定的限值「10」和「dark」，就能夠將原圖比模糊後的圖暗10個灰階以上的區域（即黑色文字部分）選出來了。

 

 以上所說的三個算子並非本文的重點，但倒是理解下面的兩個閾值分割算子的準備知識。

 

一、dual_threshold

先看程序和效果圖再分析。

 

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 : )

該算子簽名中：Threshold 表示用於分割的閾值數值，MinSize表示分割出來的區域的最小面積（即數像素的數目個數），MinGray表示分割出來的區域對應的原圖中圖像像素的最高灰度不能低於MinGray設定值。

 

注意圖中藍色矩形小色塊的面積是175個像素，所以當MinSize = 174時，它能夠被分割出來。

 

OK，我知道這麼說比較拗口。下面我邊改變參數邊觀察效果圖，並作簡要分析：

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

效果圖以下：

因爲最小面積設置爲176，那麼面積爲175像素的矩形小色塊就沒有被分割出來。

 

再來改變MinGray參數：

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

此時觀察到，最右邊那個齒輪原本分割出來的區域沒有了！

 

經過取色器觀察可知，這塊區域最亮的灰度大概比211高一點點。

 

咱們把這個值略微調低再看看：

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

最右邊那個齒輪右下角那一塊又被分割出來了！

 

相信經過這樣參數的反覆調節，你們已經完全明白了dual_threshold算子的意義和用法。

 

咱們看這個算子的名稱——dual是「雙」的意思，也就是雙閾值。若是咱們讓參數列表中的MinGray = Threshold，那就是單閾值了。

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

這個算子是很高效的。若是要完成上面這個程序這樣的功能，用threshold算子的話，代碼要這樣寫：

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)

也就是說dual_threshold一條算子頂這三條算子。

 

dual_threshold算子的缺陷：它只能分割出灰度值高的亮區域，不能分割出灰度值低的暗區域。

 

下面介紹var_threshold算子。

 

二、var_threshold

 

先看var_threshold算子的簽名：

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

MaskWidth、 MaskHeight是用於濾波平滑的掩膜單元；StdDevScale是標準差乘數因子（簡稱標準差因子）；AbsThreshold是設定的絕對閾值；LightDark有4個值可選，'light'、'dark'、'equal'、'not_equal'。

 

須要強調的是var_threshold算子和dyn_threshold算子極爲相似。不一樣的是var_threshold集成度更高，而且加入了「標準差×標準差因子」這一變量。

舉例：

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

在該程序中，先用4×4的掩膜在圖像上逐像素遊走，用原圖中的當前像素和對應掩膜中16個像素的灰度均值對比，找出暗（dark）的區域。當原圖像素灰度比對應的掩膜灰度均值低（0.2,12）個灰階時，該區域被分割出來。本程序中StdDevScale = 0.2, AbsThreshold = 12,問題的關鍵就是理解如何經過StdDevScale和AbsThreshold來肯定用於分割的閾值。

 

var_threshold的幫助文檔中是這麼寫的：

說明：

一、d(x,y)指的是遍歷每一個像素時，掩膜覆蓋的那些像素塊（本例中是4×4 = 16個像素）灰度的標準差；StdDevScale 是標準差因子。

二、當標準差因子StdDevScale ≥ 0 時，v(x,y) 取（StdDevScale ×標準差）和AbsThreshold 中較大的那個。

三、當標準差因子StdDevScale ＜ 0 時，v(x,y) 取（StdDevScale ×標準差）和AbsThreshold 中較小的那個。實測發現，這裏的比較大小是帶符號比較，因爲標準差是非負數，當StdDevScale ＜ 0 時，（StdDevScale ×標準差）≤ 0恆成立。因此此時的取值就是（StdDevScale ×標準差）。

 

文檔是這麼說的：

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

大體意思是：

當StdDevScale爲正時，若是StdDevScale*dev(x,y) 低於 AbsThreshold，則採用AbsThreshold。

當StdDevScale爲負時，若是StdDevScale*dev(x,y) 高於 AbsThreshold，則採用AbsThreshold。

 

我找了一塊黑白過渡處4×4的像素塊，求得它的灰度標準差爲51.16（或49.53）：

 

幫助文檔中StdDevScale 的推薦值範圍是-1~1，通常經過上面的例子可知，通常的明顯的黑白過分處的標準差在50左右，乘以StdDevScale即-50 ~ 50 ,50的灰度差別，對於分割來講通常是夠了的。

文檔還說：推薦的值是0.2，若是參數StdDevScale太大，可能分割不出任何東西；若是參數StdDevScale過小（例如-2），可能會把整個圖像區域所有輸出，也就說達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.）

 

最後再看看是怎麼分割像素的：

 

其中g(x,y)指的是原始圖像當前像素的灰度值；m(x,y)指的是遍歷像素時，掩膜覆蓋的像素的平均灰度值（mean）。

以LightDark = ‘dark’爲例，當知足m(x,y) - g(x,y) ≥ v(x,y)時（即原始圖像對應像素灰度比掩膜像素灰度均值低v(x,y)個灰度值以上），相應的灰度值低的暗像素被分割出來。

 

最後看幾個例子體會一下：（對比以前的例子var_threshold (Image, Region, 4, 4, 0.2, 12, 'dark')的效果）

① 將AbsThreshold 由12改爲30，此時分割出的區域變小。

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

 

② AbsThreshold 保持12不變，將StdDevScale由0.2改爲0.7，此時分割出的區域變小。

 

③ 將參數改成var_threshold (Image, Region, 4, 4, -0.01, 12, 'dark')，此時分割出的區域大大增長，由前面的分析可知，此時參數AbsThreshold = 12無效，事實上，此時將AbsThreshold 改成一、50甚至200都對最終結果沒有任何影響。

 

經過本人的分析，我認爲StdDevScale取負值意義不大，由於它會分割出大量的不須要的區域，故通常推薦使用該算子時，StdDevScale取正值。

 

須要強調的是：在黑白過渡處，通常掩膜覆蓋的像素的標準差較大，而在其餘平緩的地方，標準差較小；所以最終採用的分割閾值隨着掩膜在不斷遍歷像素的過程當中，在(StdDevScale×標準差)和AbsThreshold 之間不斷切換。

 

var_threshold和dyn_threshold的區別和聯繫：

 

dyn_threshold是將原圖和濾波平滑後的圖對比，var_threshold是將原圖和對應像素掩膜覆蓋的像素的平均灰度值對比。

在算子var_threshold中，若是參數StdDevScale = 0，那麼就能夠用動態閾值的方式很是近似地模擬。如下兩種算法的效果極爲相似：

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')

兩種方法的效果圖：

 

那麼當StdDevScale ＞ 0 時，var_threshold對比dyn_threshold還存在什麼優勢呢？我認爲是在黑白過渡處能減小分割出不須要的區域的機率。（由於黑白過渡處標準差大，固然前提是StdDevScale 不能設置得過小）

 

（網上關於這兩個算子的系統介紹不多，個人理解不免有不足之處，歡迎你們回覆討論）