新手在剛接觸Halocon時往往不明所以，而官方文檔上的解釋又讓初學(xué)者云里霧里，本文整理了halocon常用算子(庫函數(shù))，供開發(fā)者快速查閱。

一. 常規(guī)操作類

1.1 tuple_length()

tuple_length(Area0,len)

數(shù)組里元素的個數(shù)

1.2 tuple_find_first()

tuple_find_first(Area0,sMax,i)

找到第一個是sMax的，返回索引

1.3 tuple_gen_const()

創(chuàng)建數(shù)組 tuple_gen_const( : : Length, Const : Newtuple)

1.4 dev_open_window( )

dev_open_window( : : Row, Column, Width, Height, Background : WindowHandle)
　　dev_open_window打開一個新的圖形窗口，可以用來顯示images，regions和lines等圖形對象以及顯示輸出文本。

1.5 set_display_font()

set_display_font(:: WindowsHandle, Size, Font, Bold, Slant: )
用來設(shè)置當(dāng)前窗口字體屬性
WindowsHandle：將要設(shè)置字體窗口的窗口句柄
Size：字體大小
Font：字體名稱
Bold：粗體
Slant：斜體

1.6 dev_set_draw()

dev_set_draw( : : DrawMode : )
　 dev_set_draw定義region的填充模式。
　 如果DrawMode設(shè)置為’fill’，region顯示為填充，如果設(shè)置為’margin’，則只顯示輪廓。 在’margin’模式下，輪廓的外觀會受到dev_set_line_width，set_line_approx和set_line_style的影響。

二. 機(jī)器視覺操作類

2.1 read_image()

讀取圖片

2.2 get_image_size()

獲取圖片尺寸

2.3 intensity()

Regions (input_object) region(-array) → object
Regions in which the features are calculated.
計(jì)算特征的區(qū)域。
Region：輸入的被計(jì)算的區(qū)域
Image：輸入灰度圖
Mean：輸出區(qū)域的平均灰度值
Deviation：輸出區(qū)域內(nèi)灰度值的偏差(方差)。

2.4 zoom_image_factor()

zoom_image_factor(Image, ImageZoomed, 0.15, 0.125, ‘constant’)

高斯降采樣。

2.5 median_image()

median_image (Image, ImageMedian, ‘circle’, 2, ‘mirrored’)
Image：輸入圖像
ImageMedian：輸出圖像
參數(shù)3：掩碼的形狀 ‘circle’ 圓； ‘square’ 正方形
參數(shù)4: 掩碼半徑
參數(shù)5：邊界處理。建議值: ‘mirrored’, ‘cyclic’, ‘continued’, 0, 30, 60, 90, 120, 150, 180, 210, 240, 255

2.6 Gauss_filter()

gauss_filter (Image, ImageGauss, 9)
Image：輸入圖像
ImageGauss：輸出圖像
參數(shù)3：過濾器大小；建議值: 3, 5, 7, 9, 11

2.7 fft_generic()

空間域和頻域之間的轉(zhuǎn)換，主要有如下兩個關(guān)鍵算子rft_generic()、fft_generic()。
這兩個算子的共同點(diǎn)：
1.這兩個算子都是進(jìn)行快速傅里葉變換的算子
2.這兩個算子都可以進(jìn)行空間域-》頻域和頻域-》空間域的變換，只需要針對參數(shù)Direction分別進(jìn)行選擇，‘to_freq’是進(jìn)行的是空間域-》頻域的變換，‘from_freq’是頻域-》空間域的變換。
3.rft_generic算子的輸入圖像是實(shí)值函數(shù)，fft_generic的輸入圖像是復(fù)數(shù)函數(shù)；從輸出的結(jié)果來看，rft_generic只需要計(jì)算和存儲了左半邊的復(fù)數(shù)圖像信息就可以了，因?yàn)橛野脒吺枪曹棇ΨQ的。因此從最終的輸出我們可以看到，只有左上和左下有DC成分。而fft_generic如果設(shè)定的是原點(diǎn)在左上角，那么就會在四個角上有DC成分。
4.fft_generic算子可以通過參數(shù)Mode設(shè)置原點(diǎn)的位置：如果設(shè)置的是’dc_edge’，那么原點(diǎn)在左上角；如果設(shè)置的是’dc_center’，那么就會將原點(diǎn)平移到中心位置。fft_generic算子一般會設(shè)置為’dc_center’。對于rft_generic算子，因?yàn)闆]有設(shè)置項(xiàng)，所以默認(rèn)原點(diǎn)位置為左上角。
5.針對同一個圖像，進(jìn)行空間域-》頻域、頻域-》空間域的轉(zhuǎn)換的時候，如果使用的是rft_generic算子，那么兩個轉(zhuǎn)換就都使用該算子；如果使用的是fft_generic算子，那么兩個轉(zhuǎn)換也都使用該算子，在對同一個圖像進(jìn)行空間域和頻域的相互轉(zhuǎn)換時，不要交叉使用這兩個算子。
當(dāng)然，從空間域到頻域的轉(zhuǎn)換，也可以使用算子fft_image，這個算子也是快速傅里葉變換，其實(shí)際效果相當(dāng)于：

fft_generic(Image,ImageFFT,‘to_freq’,-1,‘sqrt’,‘dc_center’,‘complex’)
Image：輸入圖像
ImageFFT(out) ：傅里葉變換輸入圖像
Direction：計(jì)算正向或反向變換?！畉o_freq’是空間域—>頻域的變換，ResultType一般選擇’complex’；‘from_freq’是頻域—>空間域的變換，ResultType一般選擇’byte’(灰度圖像)。
Norm：變換的歸一化因子
ResultType：輸出圖像的圖像類型，配合Direction參數(shù)設(shè)置

原理：其實(shí)gen_gauss_filter得到的濾波器，就是一個圖像，雖然是頻域?yàn)V波器，但是單純看物理意義，他就是一個圖像。與時域空間卷積核的物理意義是相同的。對這幅頻域圖進(jìn)行卷積(卷積過程與時域無差別)，卷積之后圖像就產(chǎn)生了變化，比如外環(huán)得到減弱，內(nèi)環(huán)得到保留(高低通濾波器的效果)，或者在某個方向上得到保留(gabor濾波器的效果)，再還原到時域，發(fā)現(xiàn)跟原圖變化很大。

2.8 convol_fft()

頻域的乘法相當(dāng)于空間域的卷積：
convol_fft (ImageFFT, ImageGauss, ImageConvol)

一個重要的經(jīng)驗(yàn)結(jié)論：低頻代表圖像整體輪廓，高頻代表了圖像噪聲，中頻代表圖像邊緣、紋理等細(xì)節(jié)。
1.具有一定紋理特征的圖像，紋理可以理解為條紋，如布匹、木板、紙張等材質(zhì)容易出現(xiàn)。
2.需要提取對比度低或者信噪比低的特征。
3.圖像尺寸較大或者需要與大尺寸濾波器進(jìn)行計(jì)算，此時轉(zhuǎn)換至頻域計(jì)算，具有速度優(yōu)勢。因?yàn)榭臻g域?yàn)V波為卷積過程（加權(quán)求和），頻域計(jì)算直接相乘。
使用頻域進(jìn)行檢測，有兩個步驟是比較關(guān)鍵的：
1.一個是生成合適的濾波器；
2.一個是空間域和頻域之間的轉(zhuǎn)換。

2.9 sub_image()

sub_image(ImageMinuend , ImageSubtrahend : ImageSub : Mult , Add ??
ImageMinuend ：輸入的被減圖像
ImageSubtrahend：減數(shù)圖像
ImageSub：結(jié)果圖像
Mult：乘數(shù)因子
Add：灰度補(bǔ)充值

2.10 binary_threshold()

自動全局閾值分割。
binary_threshold(Image : Region : Method, LightDark : UsedThreshold)
Image ：要分割的圖像
Region ：分割后的區(qū)域
Method：分割方法，提供了兩種方法:‘max_separability’和’smooth_histo’。這兩種方法只能用于具有雙峰直方圖的圖像
LightDark ：提取暗背景還是亮背景
UsedThreshold：使用閾值
示例：

binary_threshold(Sub0, region, 'max_separability', 'dark', UsedThreshold)

從圖像中分割出

2.11 area_center()

area_center (region, A, Row, Column)
計(jì)算每個區(qū)域的面積 中心坐標(biāo)

2.12 select_shape()

select_shape(Regions: SelectedRegions: Features, Operation, Min, Max: )
借助形狀特征選擇區(qū)域。
Regions： 輸入?yún)^(qū)域元組
SelectedRegions：輸出滿足條件的區(qū)域元組
Features：輸入?yún)?shù)形狀特征（‘a(chǎn)nisometry’, ‘a(chǎn)rea’, ‘a(chǎn)rea_holes’, 'bulkiness’等）
Operation：輸入?yún)?shù)關(guān)系符（‘a(chǎn)nd’, ‘or’）如果features只是用一種特性那么此參數(shù)沒有意義
Min、Max：輸入?yún)?shù)下限上限值
示例：

select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 1000, 99999)

選擇區(qū)域面積范圍

2.13 connection()

connection(Region, ConnectedRegions）
Region表示需要計(jì)算的輸入圖像區(qū)域
ConnectedRegions表示輸出圖像區(qū)域
示例：

connection (regions, ConnectedRegions)

對區(qū)域中的子連通集進(jìn)行操作。

2.14 closing_circle()

closing_circle(Region: RegionClosing : Radius)
Region：輸入?yún)^(qū)域
RegionClosing：輸出結(jié)果區(qū)域
Radius：輸入使用的圓形結(jié)構(gòu)的圓半徑 0.5 ≤ Radius ≤ 511.5 (lin)
使用圓形結(jié)構(gòu)元素來閉合一個區(qū)域。
示例：

closing_circle (RegionUnion, RegionClosing, 5)

使用圓形結(jié)構(gòu)元素來閉合一個區(qū)域，只要是在區(qū)域內(nèi)并且小于輸入圓形半徑的孔都會被閉合

2.15 overpaint_region()

color := [255,255,0]
*RGB紅色+綠色
*黃色
*用指定顏色填充指定區(qū)域
*Image：待繪制的圖像
*Region：待繪制的區(qū)域
*color：顏色
*margin：填充類型

•  'fill'     填充全部區(qū)域
  

•  'margin'   只填充邊界
  

示例：

overpaint_region (Image, Region, color, 'margin')

2.16 union1 ()

union1 (Region, RegionUnion)
將所有區(qū)域合并成一個區(qū)域。
參數(shù)1：要計(jì)算并集的區(qū)域
參數(shù)2：輸出區(qū)域
示例：

union1 (SelectedRegions, RegionUnion)

2.17 threshold()

threshold(Image : Region : MinGray, MaxGray : )
使用全局閾值分割圖像。
Image (input_object) ：輸入圖像
Region (output_object) ：閾值分割后Region
MinGray (input_control)：設(shè)置的最小閾值（灰度值）
MaxGray (input_control) ：設(shè)置的最大閾值（灰度值）
其中要滿足MaxGray >= MinGray
示例：

#全局閾值分割出兩個區(qū)域
threshold (Image, Region, [0, 107], [106, 255])

2.18 crop_part()

crop_part(Image : ImagePart : Row, Column, Width, Height : )
用來截取感興趣區(qū)域。
Image:原圖像
ImagePart：截取的圖像
Row、Column:圖像截取的起始點(diǎn)坐標(biāo)
Width、Height:截取圖像的寬、高
示例:

crop_part(Image,imgCut,100,100,1200,1200)

2.19 dual_threshold()

雙重閾值分割（適用于有符號圖像的閾值算子）。
dual_threshold(Image : RegionCrossings : MinSize, MinGray, Threshold : )

MinSize ：分割出來的區(qū)域的最小面積（即分割出來的面積要大于MinSize）；
MinGray ：分割出來的區(qū)域?qū)?yīng)的原圖中圖像像素的最高灰度大于MinGray設(shè)定值。
threshold ：灰度值小于閾值(或大于閾值)的區(qū)域被抑制；
dual_threshold算子的缺陷：它只能分割出灰度值高的亮區(qū)域，不能分割出灰度值低的暗區(qū)域

2.20 gen_circle_contour_xld()

gen_circle_contour_xld(ContCircle : Row, Column, Radius, StartPhi, EndPhi, PointOrder, Resolution ??
ContCircle：輸出輪廓
Row：輸入圓心的行坐標(biāo)
Column：輸入圓心的列坐標(biāo)
Radius：輸入圓的半徑
StartPhi：輸入起始點(diǎn)角度
EndPhi：輸入結(jié)束點(diǎn)的角度
PointOrder：輸入沿邊界的點(diǎn)序('negtive’負(fù)序， 'positive’正序)
Resolution：輸入相鄰輪廓點(diǎn)之間的距離(Resolution>=0.00001)

2.21 gen_gauss_filter()

gen_gauss_filter( : ImageGauss : Sigma1, Sigma2, Phi, Norm, Mode, Width, Height : )
ImageGauss(out) ：生成的濾波器圖像
Sigma1：空域(像素域)中，高斯分布在濾波器主方向的標(biāo)準(zhǔn)差
Sigma2：空域(像素域)中，高斯分布在垂直于濾波器主方向的標(biāo)準(zhǔn)差。注：Sigma1和Sigma2確定空間域內(nèi)高斯函數(shù)的平滑量
Phi：濾波器在空間域的主要方向
Norm：濾波器的歸一化因子。注：如果使用fft_image和fft_image_inv進(jìn)行過濾，必須設(shè)置參數(shù)Norm = 'none’和Mode = ‘dc_center’(本文未使用)
Mode：頻率圖中心位置。注： 如果使用實(shí)值快速傅里葉變換算子rft_generic, 則Mode = ‘rft’ ；如果使用快速傅里葉變換算子fft_generic，則可以使用Mode = 'dc_edge’來提高效率
Width, Heigh：生成濾波圖像的寬、高

2.22 min_max_gray()

min_max_gray(Regions, Image :: Percent : Min, Max, Range)
Regions：輸入需要計(jì)算的區(qū)域
Image：輸入灰度圖像
Percent：輸入 低于(以上)絕對最高(最低)百分比 取值范圍：0 <= Percent && Percent <= 50、
Min：輸出最小灰度值、
Max：輸出最大灰度值、
Range：輸出灰度值范圍；
percent含義:區(qū)域面積乘以percent得到一個數(shù)a,然后用這個數(shù)a分別從最小灰度值和最大灰度值處向里截取a個像素點(diǎn),然后在剩下的像素點(diǎn)中取最小最大灰度值。

2.23 watersheds_threshold()

通過閾值實(shí)現(xiàn)圖像的分水嶺算法分割，是一種邊緣分割算法，比watersheds多了一步操作，即在得到初步的分水嶺分割結(jié)果之后，將灰度小于閾值的分水嶺合并。watersheds_threshold(Image : Basins:Threshold:)
Image ：Image為輸入的圖像，一般為單通道圖像。如果前景目標(biāo)比較亮而背景比較暗，可以在導(dǎo)入圖像后使用invert＿image 算子將圖像顏色進(jìn)行反轉(zhuǎn)。
Basins：Basins為輸出的盆地區(qū)域。
Threshold：Threshold為設(shè)置的灰度閾值。建議該值不要超過原圖的最大灰度，否則將無法提取出分水嶺，圖像整體將作為一個區(qū)域被提取出來。

2.24 watersheds()

watersheds( Image : Basins, Watersheds : : )
Image ：Image為輸入的圖像，一般為單通道圖像。這里要注意，因?yàn)榕璧匾话阒傅氖腔叶戎档偷膮^(qū)域，所以如果前景目標(biāo)比較亮而背景比較暗，可以在導(dǎo)入圖像后使用 invert＿image 算子將圖像顏色進(jìn)行反轉(zhuǎn)。
Basins：Basins為輸出的盆地區(qū)域。
Watersheds ：Watersheds為輸出的分水嶺區(qū)域。一般一幅輸入圖像對應(yīng)一個分水嶺區(qū)域，而輸出的Basins區(qū)域則是多個區(qū)域的集合。
注意：如果圖像上包含過多的精細(xì)區(qū)域或者噪點(diǎn)，輸出的區(qū)域數(shù)量將非常龐大，并影響算法的速度。

2.25 cooc_feature_image()

計(jì)算共生矩陣并導(dǎo)出其灰度值特征。
cooc_feature_image(Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast)
Direction：傳遞鄰域的方向，可選’mean’或者’angle’兩個方向
Energy：灰度共生矩陣各元素值的平方和
Correlation：輸出的相關(guān)性
Homogeneity：輸出的熵
Contrast：輸出的對比度

灰度共生矩陣
灰度共生矩陣定義為像素對的聯(lián)合分布概率，是一個對稱矩陣，它不僅反映圖像灰度在相鄰的方向、相鄰間隔、變化幅度的綜合信息，但也反映了相同的灰度級像素之間的位置分布特征，是計(jì)算紋理特征的基礎(chǔ)。

在計(jì)算得到共生矩陣之后，往往不是直接應(yīng)用計(jì)算的灰度共生矩陣，而是在此基礎(chǔ)上計(jì)算紋理特征量，我們經(jīng)常用反差、能量、熵、相關(guān)性等特征量來表示紋理特征。
(1) 反差：又稱為對比度，度量矩陣的值是如何分布和圖像中局部變化的多少，反應(yīng)了圖像的清晰度和紋理的溝紋深淺。紋理的溝紋越深，反差越大，效果清晰；反之，對比值小，則溝紋淺，效果模糊。
(2)能量：是灰度共生矩陣各元素值的平方和，是對圖像紋理的灰度變化穩(wěn)定程度的度量，反應(yīng)了圖像灰度分布均勻程度和紋理粗細(xì)度。能量值大表明當(dāng)前紋理是一種規(guī)則變化較為穩(wěn)定的紋理。
(3)熵：是圖像包含信息量的隨機(jī)性度量。當(dāng)共生矩陣中所有值均相等或者像素值表現(xiàn)出最大的隨機(jī)性時，熵最大；因此熵值表明了圖像灰度分布的復(fù)雜程度，熵值越大，圖像越復(fù)雜。
(4)相關(guān)性：也稱為同質(zhì)性，用來度量圖像的灰度級在行或列方向上的相似程度，因此值的大小反應(yīng)了局部灰度相關(guān)性，值越大，相關(guān)性也越大。

2.26 gray_range_rect()

重置某個方形區(qū)域內(nèi)的灰度值，計(jì)算方形區(qū)域內(nèi)的最大最小灰度的差（最大-最小），并體現(xiàn)到每個圖像點(diǎn)上。如果MaskHeight和MaskWidth是偶數(shù)，它們被變?yōu)榭拷男〉钠鏀?shù)值，圖像邊緣的灰度值是呈鏡像出現(xiàn)的。

gray_range_rect( Image : ImageResult : MaskHeight, MaskWidth: )

Image（in）：被計(jì)算灰度值的圖像
ImageResult（out）：包含灰度值的圖像
MaskHeight（in）：濾波器掩模的高度
MaskWidth（in）：濾波器掩模的寬度

2.27 gen_gabor()

gen_gabor(ImageFilter : Angle，F(xiàn)requency, Bandwidth, Orientation, Norm, Mode, Width, Height ??

ImageFilter
Angle
Frequency
Bandwidth
Orientation
Norm
Mode
Width
Height

2.28 mean_curvature_flow()

mean_curvature_flow(Image : ImageMCF : Sigma, Theta, Iterations : )
Image (input_object) (multichannel-)image(-array) → object (byte / uint2 / real)
Input image.

ImageMCF (output_object) Output image.

Sigma (input_control)
Smoothing parameter for derivative operator.

Default value: 0.5
Restriction: Sigma >= 0

Theta
Time step.

Default value: 0.5

Iterations (input_control)
Number of iterations.

Default value: 10

Suggested values: 1, 5, 10, 20, 50, 100, 500

Restriction: Iterations >= 1

2.29 texture_laws()

texture_laws(Image : ImageTexture : FilterTypes, Shift, FilterSize : )
Image：原始圖像；
ImageTexture：經(jīng)過紋理濾波器濾波后的圖像；
FilterTypes：濾波器的類型；
Shaft：濾波后圖像的灰度縮放系數(shù)，具體實(shí)現(xiàn)公式未知，實(shí)際使用過程中降低了濾波后圖像的灰度，使得使用不同濾波器類型的濾波后圖像具有可比性；
FilterSize：濾波器尺寸，可選3,5,7。
示例：

texture_laws (MreutHill, SS, 'ss', 0, 5)
texture_laws (MreutHill, EE, 'ee', 2, 5)

濾波向量l增強(qiáng)濾波方向的圖像的亮度。濾波向量e檢測了濾波方向上的突變（即邊緣，高頻區(qū)域）。濾波向量s同樣檢測了濾波方向上的突變（與濾波向量e檢測方法不一樣）。
一般來說，可以選擇濾波向量中的 “l(fā)”, “e”, “s”, “r”, “w”, "o"與濾波向量"l"組合來增強(qiáng)圖像的低頻部分，或者與濾波向量"o"組合來增強(qiáng)圖像的高頻部分。

濾波器類型的第二個字母"l", “e”, “s”, “r”, “w”, "o"依次檢測圖像低頻部分到高頻部分。例如，濾波器"le"檢測圖像 中相對低頻的部分，而濾波器"ls"檢測圖像中相對高頻的部分。

2.30 bilateral_filter()

bilateral_filter(Image, ImageJoint : ImageBilateral : SigmaSpatial, SigmaRange, GenParamName, GenParamValue : )

1. Image和ImageJoint必須具有相同的大小和類型。
2. ImageBilateral ：bilateral_filter使用引導(dǎo)圖像ImageJoint對輸入圖像執(zhí)行聯(lián)合雙邊濾波，并將結(jié)果返回ImageBilateral 。
3. SigmaSpatial定義了濾波器掩模的大小，并與常規(guī)高斯濾波器的標(biāo)準(zhǔn)差相對應(yīng)。值越大，過濾器的影響范圍越大，保留的細(xì)節(jié)越少。
4. SigmaRange用于根據(jù)當(dāng)前像素周圍ImageJoint的像素修改過濾器掩碼。
5. GenParamName和GenParamValue當(dāng)前可用于控制精度和速度之間的權(quán)衡。

2.31 mean_image()

功能：進(jìn)行均值濾波，對輸入圖像的灰度值執(zhí)行線性平滑。
mean_image(Image: ImageMean : MaskWidth, MashHeight ??
Image: 輸入圖像
ImageMean：輸出圖像
MaskWidth：輸入平滑蒙版寬度，默認(rèn)9，參考3，5，7，9，11…
MaskHeight：輸入平滑蒙版高度，默認(rèn)9，參考3，5，7，9，11…

2.32 dyn_threshold()

dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )
dyn_threshold的特點(diǎn)：

1. 它是一種局部閾值算子

2. 它通過平均圖像灰度來確定局部領(lǐng)域

3. 它使用前需要指定一個圖像濾波器，例如mean_image

   濾波尺寸>被提取物體的直徑較好。

   如果濾鏡掩碼的尺寸太大，那么相鄰非常近的物體將會連在一起。

   使用濾波掩碼寬度推薦2*D+1，其中D為物體直徑。

4. 它選出的所有像素要比局部領(lǐng)域要黑，也就是比均值濾波后的圖像要黑。

2.33 create_ncc_model()

使用圖像創(chuàng)建NCC匹配模板：
create_ncc_model（template模板圖像：：numlevels最高金字塔層數(shù)，anglestart開始角度，angleextent角度范圍，anglestep旋轉(zhuǎn)角度步長，metric物體極性選擇：modelID生成模板ID）

2.34 find_ncc_model()

搜索NCC最佳匹配：
find_ncc_model（image要搜索的圖像：：modelID模板ID，anglestart與創(chuàng)建模板時相同或相近，angleend與創(chuàng)建模板時相同或相近，minscore最小分值，nummatches匹配目標(biāo)個數(shù)，maxoverlap最大重疊比值，subpixel是否亞像素級別，numlevel金字塔層數(shù)：row，column，angle匹配得到的坐標(biāo)角度，score匹配得到的分值）

2.35 create_shape_model()

使用圖像創(chuàng)建形狀匹配模型：
create_shape_model（template模板圖像：：numlevels最高金字塔層數(shù)，anglestart開始角度，angleextent角度范圍，anglestep旋轉(zhuǎn)角度步長，optimization優(yōu)化選項(xiàng)，是否減少模板點(diǎn)數(shù)，metric匹配度量極性選擇，contrast閾值或滯后閾值來表示對比度，mincontrast最小對比度：modelID生成模板ID）

2.36 get_shape_contours()

獲取形狀模板的輪廓:
get_shape_contours（：modelcontours得到的輪廓XLD：modelID輸入模板ID，level對應(yīng)金字塔層數(shù)；）

2.37 find_shape_model()

尋找單個形狀模板最佳匹配：
find_shape_model（image要搜索的圖像：：modelID模板ID，anglestart開始角度，angleextent角度范圍，minscore最低分值，nummatches匹配實(shí)例個數(shù)，maxpverlap最大重疊，subpixel是否亞像素精度，numlevels金字塔層數(shù)，greediness搜索貪婪度，為0時安全但是速度慢；當(dāng)為1時速度快但不穩(wěn)定：row，column，angle，score獲得的坐標(biāo)角度縮放和匹配分值）

2.38 inspect_shape_model()

根據(jù)金字塔層數(shù)和對比度檢查要生成的模板是否合適：
inspect_shape_model（image輸入的圖像：modelimages獲得金字塔圖像，modelregions模板區(qū)域：numlevels金字塔層數(shù)，contrast對比度）

2.39 create_shape_model()

使用圖像創(chuàng)建形狀匹配模型：
create_shape_model（template模板圖像：：numlevels最高金字塔層數(shù)，anglestart開始角度，angleextent角度范圍，anglestep旋轉(zhuǎn)角度步長，optimization優(yōu)化選項(xiàng)，是否減少模板點(diǎn)數(shù)，metric匹配度量極性選擇，contrast閾值或滯后閾值來表示對比度，mincontrast最小對比度：modelID生成模板ID）

2.40 get_shape_contours()

獲取形狀模板的輪廓：
get_shape_contours（：modelcontours得到的輪廓XLD：modelID輸入模板ID，level對應(yīng)金字塔層數(shù)）

2.41 create_shape_model()

Template : : //reduce_domain后的模板圖像
NumLevels ,//金字塔的層數(shù)，可設(shè)為“auto”或0—10的整數(shù)
AngleStart ,//模板旋轉(zhuǎn)的起始角度
AngleExtent ,//模板旋轉(zhuǎn)角度范圍, >=0
AngleStep ,//旋轉(zhuǎn)角度的步長， >=0 and <=pi/16
Optimization ,//設(shè)置模板優(yōu)化和模板創(chuàng)建方法
Metric , //匹配方法設(shè)置
Contrast ,//設(shè)置對比度
MinContrast ??/設(shè)置最小對比度
ModelID ) //輸出模板句柄

2.42 invert_image()

invert_image (Image, ImageInvert)
*圖像取反：g’=255-g
Image：輸入圖像
ImageInvert：保存取反后的圖像

2.43 add_image(）

add_image(ImageMinuend , ImageSubtrahend , ImageSub, Mult , Add)
ImageMinuend：被加圖像，
ImageSubtrahend ：加數(shù)圖像，
ImageSub：結(jié)果圖像，
Mult ：乘數(shù)因子，
Add：補(bǔ)充值

2.44 draw_circle ()

draw_circle (WindowHandle, Row, Column, Radius)
WindowHandle：窗口句柄
Row：保存圓心Row–>y坐標(biāo)
Column：保存圓心Col–>x坐標(biāo)
Radius：保存半徑
*鼠標(biāo)左鍵畫圓，右鍵結(jié)束
*注意：右鍵結(jié)束后，窗口中不會畫出圓

2.45 reduce_domain ()

reduce_domain ( Image, Region : ImageReduced : ??
Image是輸入的圖像；
Region是輸入的區(qū)域；
ImageReduced是輸出的圖像，是Image中Region的那部分圖像。

2.46 create_template()

create_template(Template : : FirstError, NumLevel, Optimize, GrayValues : TemplateID)

Template (input_object) 單通道圖像-對象（字節(jié)）
輸入圖像，其域?qū)⒈惶幚碛糜谀Ｊ狡ヅ洹?/p>

FirstError (input_control) integer → (integer)
Not yet in use.
Default value: 255
List of values: 255

NumLevel (input_control) 整數(shù)-（整數(shù)）
金字塔級別的最大數(shù)目。
默認(rèn)值：4
價值表：1, 2, 3、4, 5, 6、7, 8, 9、10
Optimize (input_control) 字符串（字符串）
一種優(yōu)化。
默認(rèn)值：‘sort’
價值列表： ‘none’, ‘sort’
GrayValues（輸入控制）字符串（字符串）
一種灰度值。
默認(rèn)值：‘original’
價值列表： ‘gradient’, ‘normalized’, ‘original’, ‘sobel’
“梯度”、 “標(biāo)準(zhǔn)化”、 “原始”、“索貝爾”
TemplateID (output_control) 模板：（整數(shù)）模板編號。

2.47 best_match()

best_match(Image : : TemplateID, MaxError, SubPixel : Row, Column, Error)

singlechannelimage(-array) → 輸入圖像。

TemplateID (input_control) template → 模板編號

MaxError (input_control) real → (real) 灰度值的最大平均差。

SubPixel (input_control) string → (string) 'true’情況下的亞像素精度。

Row (output_control) point.y(-array) → (real) 最佳匹配的行位置。

Column (output_control) point.x(-array) → (real) 最佳匹配的列位置。

Error (output_control) real(-array) → (real) 最佳匹配灰度值的平均散度。

2.48 add_channels()

add_channels(Regions, Image : GrayRegions : : )

Regions (input_object) 　　region(-array) → object
　　輸入?yún)^(qū)域（沒有像素值）。
Image (input_object) 　　 (multichannel-)image → object (byte / direction / cyclic / int1 / int2 / uint2 / int4 / int8 / real / complex / vector_field)
　　輸入具有區(qū)域像素值的圖像。
GrayRegions (output_object) 　　 image(-array) → object (byte / direction / cyclic / int1 / int2 / uint2 / int4 / int8 / real / complex / vector_field)
　　輸出具有區(qū)域和像素值的圖像（每個輸入?yún)^(qū)域一個圖像）。
　　元素?cái)?shù)量: Regions == GrayRegions

2.49 pow_image()

pow_image(Image : PowImage : Exponent : )
對圖像做伽馬為Exponent的指數(shù)變換
指數(shù)變換映射關(guān)系與對數(shù)變換的不同之處在于，指數(shù)變換可以根據(jù)伽馬Exponent 的不同取值有選擇性地增強(qiáng)低灰度區(qū)域的對比度或是高灰度區(qū)域的對比度文章來源地址http://www.zghlxwxcb.cn/news/detail-810465.html

到了這里，關(guān)于Halcon常用算子(庫函數(shù))整理的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！