Halcon算子介绍
halcon 中do_ocv_simple算子理解
一、介绍Halcon是一款强大的机器视觉软件，其内置了丰富的算子用于图像处理和分析。
其中，do_ocv_simple算子是Halcon中常用的一个算子，用于进行简单的光学字符识别（OCR）任务。
本文将针对这一算子进行深入的理解和探讨，以帮助读者更好地掌握Halcon软件的应用。
二、算子原理1. do_ocv_simple算子是基于Halcon内置的光学字符识别引擎（OCR）实现的。
其原理是通过对输入的图像进行预处理，然后使用OCR引擎对图像中的字符进行识别，并返回识别结果。
2. 在进行字符识别之前，通常需要对原始图像进行一系列的预处理操作，例如图像灰度化、去噪、字符分割等。
这些预处理操作可以提高字符识别的准确性和鲁棒性。
3. do_ocv_simple算子支持对单个字符或者多个字符的识别，用户可以根据实际需求设置参数进行调整。
三、使用方法1. 在使用do_ocv_simple算子进行字符识别时，首先需要加载需要处理的图像，并进行必要的预处理操作。
可以使用Halcon中的preprocessing算子对图像进行灰度化、去噪等处理。
2. 接下来，可以调用do_ocv_simple算子对预处理后的图像进行字符识别。
在调用该算子时，需要指定相应的参数，例如字符的位置、字符的大小、识别的字符集等。
3. 根据算子的返回结果，可以进一步处理识别到的字符，例如进行后续的数据分析、记录统计等。
也可以根据识别结果对图像进行标记或者其他可视化操作。
四、注意事项1. 在使用do_ocv_simple算子进行字符识别时，需要根据实际情况选择合适的参数，以确保识别的准确性和稳定性。
2. 对于不同类型的文本和背景，可能需要调整预处理操作的参数，以适应不同的场景和要求。
在实际使用中，需要不断尝试和调整，以获得最佳的识别效果。
3. 还需要注意算子的性能和运行效率，尤其是在处理大规模图像和复杂场景时，需要合理优化算法和参数，以保证处理速度和准确性。
halcon圆拟合算子
halcon圆拟合算子
Halcon是一款机器视觉软件，提供了丰富的算子和函数，用于图像处理和机器视觉应用。
其中，圆拟合算子是用于从一组给定的点中拟合出一个圆。
在Halcon中，可以使用以下算子进行圆拟合：
circle_fit_3d_spa: 这个算子用于拟合一个3D圆，它接受一组3D空间中的点作为输入，并返回圆心和半径。
该算子使用最小二乘法进行拟合，并考虑了3D空间中的旋转和平移。
circle_fit_2d_spa: 这个算子用于拟合一个2D圆，它接受一组2D平面上的点作为输入，并返回圆心和半径。
该算子也使用最小二乘法进行拟合。
这些算子在Halcon的算子库中都可以找到，并可以通过编程语言（如C++、C#、Python 等）调用。
使用这些算子可以方便地实现圆拟合功能，并在机器视觉应用中进行相应的处理和分析。
需要注意的是，在使用这些算子进行圆拟合时，输入的点集应该是一组离散的点，且这些点应该是围绕着圆的。
如果输入的点集不符合这些条件，拟合结果可能会出现偏差。
此外，对于一些特殊情况（如多个圆或非圆形的情况），可能需要采用其他方法进行处理。
总之，Halcon提供的圆拟合算子是机器视觉应用中常用的工具之一，可以帮助用户方便地实现圆拟合功能，并对图像或数据进行进一步的处理和分析。
在使用这些算子时，需要注意输入数据的特性和适用范围，以确保获得准确的拟合结果。
halcon算子较全的中文手册
1. Halcon算子概述Halcon是一种强大的机器视觉软件，它由MVTec开发，可用于各种工业和非工业应用。
在Halcon中，算子是至关重要的组成部分，它们可以实现图像处理中的各种功能，如滤波、边缘检测、特征提取等。
本文将以算子作为主题，深入探讨Halcon算子的各种特性和用法。
2. Halcon算子的分类Halcon算子可以分为预处理算子、过滤算子、分割算子、匹配算子、测量算子等多个类别。
每个类别都包含了众多的算子，它们可以根据图像处理任务的不同需求进行灵活组合和调用。
3. Halcon算子的特性Halcon算子具有许多独特的特性，如多样的输入输出形式、灵活的参数设置、高效的运算速度等。
这些特性使得Halcon算子在图像处理领域得到广泛应用，并受到了众多工程师和科研人员的喜爱。
4. Halcon算子的使用技巧在使用Halcon算子时，熟练掌握一些技巧和经验是非常重要的。
合理设置算子的参数、选择适当的算法、理解算子的内部原理等，都可以帮助我们更好地使用Halcon算子，提高图像处理的效率和准确性。
通过一些典型的应用案例，我们可以深入了解Halcon算子的实际应用。
这些案例涵盖了工业质检、医疗影像、无人驾驶、智能制造等多个领域，展示了Halcon算子的强大功能和广泛适用性。
6. 我对Halcon算子的个人理解作为一名Halcon用户，我对Halcon算子有着深刻的认识和体会。
我认为Halcon算子不仅仅是图像处理的工具，更是一种思维方式和解决问题的哲学。
通过深入学习和使用Halcon算子，我对图像处理和机器视觉有了全新的认识和理解。
总结与回顾通过本文的全面介绍和深度探讨，我们对Halcon算子有了更加全面和深入的了解。
从算子的分类到使用技巧，再到实际案例分析，我们逐步领略了Halcon算子的强大功能和潜力。
我相信，在今后的工作和研究中，我们可以更好地运用Halcon算子，为图像处理和机器视觉领域的发展做出更大的贡献。
halcon 旋转区域算子
halcon 旋转区域算子（实用版）目录1.旋转区域算子的概念2.旋转区域算子的原理3.旋转区域算子的应用4.旋转区域算子的优缺点正文一、旋转区域算子的概念旋转区域算子（Halcon Rotating Area Operator）是一种图像处理算子，主要用于识别和提取图像中的旋转区域特征。
它可以对图像中的目标进行旋转操作，以便更好地匹配和识别。
旋转区域算子广泛应用于计算机视觉、图像识别、目标检测等领域。
二、旋转区域算子的原理旋转区域算子的原理是基于离散余弦变换（Discrete Cosine Transform，DCT）和旋转矩阵。
在图像处理中，DCT 可以将图像从空间域转换到频率域，从而实现对图像的频率特征进行分析和处理。
旋转矩阵则可以实现对图像的旋转操作。
具体来说，旋转区域算子首先对输入图像进行 DCT 变换，得到图像的频率域表示。
然后，根据预先设定的旋转角度，对频率域图像进行旋转处理，得到旋转后的频率域图像。
最后，将旋转后的频率域图像通过逆 DCT 变换，得到旋转后的空间域图像。
三、旋转区域算子的应用旋转区域算子在实际应用中有很多场景，主要包括：1.图像匹配：在图像匹配任务中，旋转区域算子可以帮助我们提取图像中的旋转特征，从而实现对图像的精确匹配。
2.目标检测：在目标检测任务中，旋转区域算子可以用于检测图像中的旋转目标，例如车牌识别、人脸识别等。
3.图像识别：在图像识别任务中，旋转区域算子可以帮助我们提取图像中的旋转特征，从而提高图像识别的准确性。
四、旋转区域算子的优缺点旋转区域算子具有以下优缺点：优点：1.可以对图像中的旋转区域进行有效识别和提取。
2.具有较好的旋转特性，可以应对不同角度的旋转。
3.可以提高图像处理任务的准确性和鲁棒性。
缺点：1.计算复杂度较高，对计算资源和时间的要求较高。
2.对噪声敏感，容易受到图像噪声的影响。
halcon create_ocr_class_mlp算子参数介绍
halcon create_ocr_class_mlp算子参数介绍`create_ocr_class_mlp` 是 Halcon 图像处理库中的一个算子，用于创建一个用于 OCR（光学字符识别）的多层感知器（MLP）分类器。
这个算子主要用于训练模型，以便后续可以对图像中的字符进行分类和识别。
以下是 `create_ocr_class_mlp` 算子的参数：1. TrainingImages: 这是一个图像容器，包含了用于训练 MLP 分类器的训练图像。
每个图像应该只包含一个字符或一个字符的集合。
2. Texts: 这是一个字符串数组，包含了与 `TrainingImages` 中的每个图像对应的文本标签。
3. ObjectMasks: 这是一个掩码数组，用于标识训练图像中的字符区域。
对于每个训练图像，都应该提供一个相应的掩码，以标出字符的边界。
4. WindowSize: 这是用于识别字符的窗口大小。
通常，这个大小应该与训练图像中的字符大小相匹配。
5. MLPSize: 这是一个元组，定义了 MLP 的输入和输出层的大小。
输入层的大小通常与 `WindowSize` 相同，而输出层的大小则取决于您希望分类的字符类别数量。
6. Options: 这是一个选项字典，可以用来设置训练过程中的各种参数。
例如，你可以使用这个参数来设置学习速率、正则化参数等。
7. ClassMLP: 这是一个输出参数，返回创建的 MLP 分类器。
请注意，为了使用 `create_ocr_class_mlp` 算子，您需要具备一定的机器学习基础和Halcon使用经验。
这个算子通常与后续的字符识别过程一起使用，如 `recognize_objects_mlp` 等算子。
Halcon算子介绍
图像、窗口基础操作部分基础操作dev_close_window()关闭当前激活的窗口read_image( : Image : FileName : )读取图像，可以支持多种格式，比如TIFF，PNG，JPEG-XR，JPEG-2000等，还支持一次性读取多个图像。
Image：输出，读取完后在halcon所存放的变量名FileName：图片路径，可以是多个路径，可以是绝对路径或者相对路径，还可以省略扩展名示例：* Reading an image:read_image(Image,'mreut')* Reading 3 images into an image array:read_image(Images,['ic0','ic1','ic2'])stop()停止程序（等待用户继续运行）get_image_size(Image : : : Width, Height)获取图像的尺寸Image：要获取尺寸的图像Width：输出，图像的宽度Height：输出，图像的高度dev_open_window( : : Row, Column, Width, Height, Background : WindowHandle)打开一个新的图像窗口Row：图像窗口左上角的起始行，默认0。
（好像没什么用）Column:图像窗口左上角的起始列，默认0.（好像没什么用）Width：图像窗口的宽度，默认256Height：图像窗口的高度，默认256Background:新窗口的背景颜色，默认黑色（black）WindowHandle：窗口的识别Iddev_display(Object : : : )将图像显示到当前的图像窗口上Object：要显示的图像对象dev_set_draw( : : DrawMode : )设置Region的显示形式DrawMode：区域的显示形式，默认'fill'，可选'fill', 'margin'，fill表示显示实心区域，margin 表示只显示区域的外边界dev_set_color( : : ColorName : )设置输出颜色ColorName：颜色名称，默认’white’，可选值（格式）：'white', 'black', 'gray', 'red', 'green', 'blue', '#003075', '#e53019', '#ffb529'disp_message( : : WindowHandle, String, CoordSystem, Row, Column, Color, Box : )输出一段文字信息WindowHandle：要显示文字的窗口handleString：要显示的文字信息，会显示在一个行里CoordSystem：使用的坐标系，默认window，可选'window', 'image'Row，Column：文字坐标，默认12Color：文字颜色，默认'black'，可选'', 'black', 'blue', 'yellow', 'red', 'green', 'cyan', 'magenta', 'forest green', 'lime green', 'coral', 'slate blue'Box：是否包含在一个背景框内，默认'true'，可选'true', 'false'基础语法If(‘condition’) … else … endif条件判断While(‘condition’) … endwhileWhile循环for Index := ‘start‘ to ‘max’ by ‘step’ … endforfor循环图像处理部分基础操作图像转化convert_image_type(Image : ImageConverted : NewType : )转换图像类型Image : 要转化的图像ImageConverted : 输出，转化后的图像NewType :要转化的图像类型，详见Halcon的图像像素类型decompose3(MultiChannelImage : Image1, Image2, Image3 : : )把一个RGB图像转化为3个单通道的图像MultiChannelImage：输入的多通道图像（应该是3通道？）Image1, Image2, Image3:输出，转化后的单通道图像，1是red，2是green，3是bluergb1_to_gray(RGBImage : GrayImage : : )把一张RGB图像转化为灰度图像RGBImage:输入的RGB图像GrayImage：输出，得到的灰度图像腐蚀膨胀gen_disc_se( : SE : Type, Width, Height, Smax : )创建一个椭圆形结构元素，用于图像的腐蚀膨胀SE：输出，生成后的结构元素，图像类型Type：结构元素的图像像素类型，默认是’byte’，可选：’byte’，’uint2’，’real’，详见Halcon 的图像像素类型gray_erosion(Image, SE : ImageErosion : : )使用结构元素对图像做腐蚀操作（结构元素可以是gen_disc_se的输出）Image：要做腐蚀操作的图像SE：结构元素ImageErosion：输出，腐蚀后的图像gray_dilation(Image, SE : ImageDilation : : )使用结构元素对图像做膨胀操作（结构元素可以是gen_disc_se的输出）Image：要做膨胀操作的图像SE：结构元素ImageDilation：输出，膨胀后的图像区域处理部分基础操作threshold(Image : Region : MinGray, MaxGray : )将图像根据灰度值二值化Image：需要进行二值化的图像Region：输出，二值化后的结果区域MinGray：最小灰度值，默认128MaxGray：最大灰度值，默认255，必须大于MinGrayconnection(Region : ConnectedRegions : : )计算出区域中连接的部分Region：要计算的区域ConnectedRegions：输出，计算后的Region数组，相连的部分将被划分为一个区域，会以不同颜色加以区分select_shape(Regions : SelectedRegions : Features, Operation, Min, Max : )从一个区域数组中选择出符合某特征条件的区域Regions：输入的区域数组SelectedRegions：输出，选出的符合某些特征条件的区域数组Features：条件特征，详见区域特征说明Operation：对于符合特征的区域的连接操作，可以是And 或者OrMin：特征的最小值Max：特征的最大值示例：read_image(Image,'monkey')threshold(Image,S1,160,255)connection(S1,S2)select_shape(S2,Eyes,['area','anisometry'],'and',[500,1.0],[50000,1.7])disp_region(Eyes,WindowHandle)difference(Region, Sub : RegionDifference : : )计算两个区域的差Region ：需要处理的区域Sub ：被减去的区域RegionDifference ：输出，计算后的结果。
halcon形态学算子
Halcon形态学算子是用于图像处理的一种数学方法，主要用于提取和分析图像中的特定形状。
在Halcon中，形态学算子主要包括以下几种：1. 二值化（Binary Image）：将图像转换为二值图像，即黑白图像。
常用的二值化方法有阈值法、自适应阈值法等。
2. 膨胀（Dilation）：对二值图像进行膨胀操作，可以扩大图像中的白色区域。
膨胀操作可以通过结构元素来实现，结构元素的形状和大小决定了膨胀的效果。
3. 腐蚀（Erosion）：对二值图像进行腐蚀操作，可以缩小图像中的白色区域。
腐蚀操作同样可以通过结构元素来实现，结构元素的形状和大小决定了腐蚀的效果。
4. 开运算（Opening）：先进行腐蚀操作，再进行膨胀操作。
开运算可以消除小的白色区域，同时保持大的白色区域不变。
5. 闭运算（Closing）：先进行膨胀操作，再进行腐蚀操作。
闭运算可以消除小的黑色区域，同时保持大的黑色区域不变。
6. 形态学梯度（Morphological Gradient）：计算图像的灰度梯度信息，用于提取图像的边缘信息。
7. 顶帽变换（Top Hat Transformation）：先进行腐蚀操作，再进行膨胀操作。
顶帽变换可以提取图像中的局部最大值信息。
8. 黑帽变换（Black Hat Transformation）：先进行膨胀操作，再进行腐蚀操作。
黑帽变换可以提取图像中的局部最小值信息。
9. 形态学重建（Morphological Reconstruction）：根据原始图像和形态学操作的结果，恢复原始图像的信息。
10. 形态学滤波器（Morphological Filters）：通过形态学操作实现的滤波器，如平滑滤波器、边缘检测滤波器等。
在Halcon中，可以使用morphology模块中的函数来实现这些形态学算子。
halcon 计算弧线与弧线距离的 算子
halcon 计算弧线与弧线距离的算子摘要：1.HALCON 简介2.HALCON 中的距离计算算子3.计算弧线与弧线距离的方法4.应用实例正文：1.HALCON 简介HALCON 是德国MVTec 公司开发的一款机器视觉软件库，广泛应用于工业自动化、机器人视觉和智能交通等领域。
HALCON 具有丰富的图像处理功能和高性能的运算能力，可以满足各种复杂的图像处理需求。
2.HALCON 中的距离计算算子在HALCON 中，有许多距离计算算子可以用于计算图像中点、线、区域等元素之间的距离。
这些算子包括：- distancepp：点到点距离- distancepl：点到线距离- distancepr：点到区域距离- distancess：线到线的距离- distancelr：线到区域距离这些算子的参数格式如下：distancepp(row1, column1, row2, column2)：计算两点(row1,column1) 和(row2, column2) 之间的距离。
3.计算弧线与弧线距离的方法在HALCON 中，可以通过以下步骤计算弧线与弧线的距离：1) 将弧线转换为直线：使用弧线到直线的转换算子(arc2line)，将弧线转换为直线。
2) 计算直线距离：使用点到直线距离算子(distancepl)，计算直线与另一条直线或点到直线之间的距离。
注意：在计算弧线与弧线的距离时，需要确保两条弧线在同一个坐标系统中。
4.应用实例假设有两个圆弧，分别表示两个齿轮的齿廓，需要计算这两个齿轮之间的距离。
步骤如下：1) 读取图像，并提取两个圆弧区域。
2) 使用阈值分割算子(threshold) 将区域分割为二值图像。
3) 使用区域连通性分析算子(connection) 将分割后的区域连接成区域链。
4) 使用弧线提取算子(arc) 提取出两个圆弧。
5) 使用弧线到直线转换算子(arc2line) 将圆弧转换为直线。
halcon算子解释
halcon算子解释
Halcon算子是Halcon软件中用于图像处理和分析任务的基本操作单元。
每一个Halcon算子都可以接收输入图像并产生输出图像或其他结果，例如区域、角度、面积等。
这些算子可以组合成更复杂的网络，以实现更高级的功能，例如识别、测量、分类、分割和跟踪任务。
Halcon的自定义算子包括算子名称、图标输入参数、图标输出参数、控制输入参数、控制输出参数等。
例如，算子名称可以是“dilation_seq”，用于顺序地扩大一个区域；或者“erosion1”，用于腐蚀一个区域。
Halcon算子的应用非常广泛，可以应用于各种图像处理和分析任务。
例如，可以使用Halcon算子进行图像增强、去噪、分割、特征提取等任务。
此外，Halcon还可以与其他编程语言和平台集成，以实现更复杂的图像处理和分析任务。
在使用Halcon算子时，需要了解每个算子的功能和参数设置，以便正确地选择和设置它们，以获得最佳的结果。
此外，还需要了解每个算子的输入和输出参数类型和格式，以确保它们与算子所需的格式匹配。
halcon算子解释
halcon算子解释Halcon算子是一种用于图像处理和计算机视觉领域的重要工具。
它通过使用预定义的数学运算符和操作来检测、分割和分析图像。
Halcon算子的设计目的是简化图像处理任务，提高处理精度和效率。
在本文中，我将解释Halcon算子的概念、功能和使用方法，让读者对其有一个全面的了解。
一、Halcon算子简介Halcon算子是由美国明尼苏达大学开发的一种图像处理工具。
它基于强大的数学环境，可以进行各种图像处理操作，包括滤波、边缘检测、形状匹配等。
Halcon算子以其高度灵活性和广泛适应性而受到了广泛的应用。
二、Halcon算子的功能1. 图像预处理：Halcon算子可以对图像进行预处理，包括灰度转换、平滑滤波、直方图均衡化等。
这些操作可以提高图像的质量，为后续的图像分析和处理提供更好的基础。
2. 特征提取与分析：Halcon算子可以检测图像中的特征，并进行跟踪和分析。
例如，可以使用Halcon算子进行形状匹配，找到图像中与参考形状相似的目标物体。
此外，Halcon算子还可以进行边缘检测、角点检测等操作。
3. 形状分割与识别：Halcon算子可以将图像中的目标物体进行分割，并对其进行识别和分类。
通过使用Halcon算子，可以根据目标物体的颜色、形状、纹理等特征将其与背景分离。
4. 三维视觉处理：Halcon算子可以处理三维图像数据，进行三维重建、三维测量等操作。
通过使用Halcon算子，可以提取三维物体的参数，如表面形状和体积等。
三、Halcon算子的使用方法Halcon算子的使用方法相对简单，主要包括以下几个步骤：1. 导入图像：首先，需要将待处理的图像导入到Halcon算子的环境中。
这可以通过图像文件的读取或者直接采集实时图像等方式来完成。
2. 预处理操作：对于导入的图像，可以根据需要进行一些预处理操作，如灰度转换、去噪处理等。
这些操作可以提高后续处理的准确性和效果。
3. 应用算子：根据具体的图像处理任务，选择合适的Halcon算子进行应用。
halcon常用算子
halcon常用算子Halcon常用算子Halcon是一款强大的机器视觉软件，它提供了许多常用算子，可以帮助用户快速实现图像处理和分析。
本文将介绍Halcon常用算子的使用方法和应用场景。
1. 图像预处理算子图像预处理算子是Halcon中最常用的算子之一，它可以帮助用户对图像进行去噪、平滑、增强等操作。
其中，常用的算子包括：（1）median_image：中值滤波算子，可以有效地去除图像中的噪声。
（2）gauss_image：高斯滤波算子，可以平滑图像并增强图像的边缘。
（3）gradient_image：梯度算子，可以检测图像中的边缘和轮廓。
（4）scale_image：图像缩放算子，可以将图像缩小或放大。
2. 特征提取算子特征提取算子是Halcon中用于检测和识别目标的重要算子，它可以从图像中提取出目标的特征信息。
其中，常用的算子包括：（1）edges_image：边缘检测算子，可以检测图像中的边缘和轮廓。
（2）region_features：区域特征算子，可以提取出图像中的区域特征，如面积、周长、中心点等。
（3）shape_features：形状特征算子，可以提取出图像中的形状特征，如圆度、矩形度、偏心率等。
（4）texture_features：纹理特征算子，可以提取出图像中的纹理特征，如灰度共生矩阵、灰度共生矩阵等。
3. 目标匹配算子目标匹配算子是Halcon中用于目标检测和识别的重要算子，它可以将图像中的目标与模板进行匹配。
其中，常用的算子包括：（1）find_shape_model：形状匹配算子，可以将图像中的目标与形状模板进行匹配。
（2）find_template：模板匹配算子，可以将图像中的目标与灰度模板进行匹配。
（3）find_surface_model：表面匹配算子，可以将图像中的目标与表面模板进行匹配。
（4）find_bar_code：条形码匹配算子，可以将图像中的条形码进行识别和匹配。
Halcon十九类算子汇总
Halcon十九类算子汇总halcon算子一classification1.1gaussian-mixture-models1.add_sample_class_gmm把一个训练样本嵌入至一个高斯混合模型的训练数据上。
2.classify_class_gmm通过一个高斯混合模型来计算一个特征向量的类。
3.clear_all_class_gmm去除所有高斯混合模型。
4.clear_class_gmm清除一个高斯混合模型。
5.clear_samples_class_gmm去除一个高斯混合模型的训练数据。
6.create_class_gmm为分类创建一个高斯混合模型。
7.evaluate_class_gmm通过一个高斯混合模型评价一个特征向量。
8.get_params_class_gmm返回一个高斯混合模型的参数。
9.get_prep_info_class_gmm排序一个高斯混合模型的预处理特征向量的信息内容。
10.get_sample_class_gmm从一个高斯混合模型的训练数据返回训练样本。
11.get_sample_num_class_gmm回到存储在一个高斯混合模型的训练数据中的训练样本的数量。
12.read_class_gmm从一个文件中读取一个高斯混合模型。
13.read_samples_class_gmm从一个文件中加载一个高斯混合模型的训练数据。
14.train_class_gmm训练一个高斯混合模型。
15.write_class_gmm向文件中载入一个高斯混合模型。
16.write_samples_class_gmm向文件中写入一个高斯混合模型的训练数据。
1.2hyperboxes1.clear_sampset释放一个数据集的内存。
2.close_all_class_box去除所有分类器。
3.close_class_box清除分类器。
4.create_class_box建立一个代莱分类器。
halcon卷积算子
halcon卷积算子
Halcon是一个机器视觉软件库，提供了大量的算子和函数用于图像处理和分析。
其中，卷积算子用于对图像进行滤波或增强。
在Halcon中，可以使用以下算子进行卷积操作：
1.conv_2d：二维卷积算子，用于对图像进行滤
波。
它接受一个滤波器作为输入参数，并在图像上应
用该滤波器以实现卷积操作。
2.conv_1d：一维卷积算子，用于对图像进行一
维滤波。
它可以沿着水平或垂直方向对图像进行滤
波。
3.conv_gauss：高斯卷积算子，用于对图像应用
高斯滤波器。
它可以根据指定的标准差来计算高斯滤
波器，并在图像上应用该滤波器。
4.conv_laplacian：拉普拉斯卷积算子，用于对
图像应用拉普拉斯滤波器。
拉普拉斯滤波器可以增强
图像中的边缘和细节。
5.conv_mean：平均卷积算子，用于对图像应用
平均滤波器。
平均滤波器可以减小图像中的噪声。
这些算子都接受输入图像和滤波器作为参数，并返回卷积后的输出图像。
你可以根据具体的需求选择适当的卷积算子来处理图像。
halcon 最大最小值滤波算子
halcon 最大最小值滤波算子Halcon是一种功能强大的机器视觉开发工具，它提供了最大最小值滤波算子，可以用来对图像进行滤波处理。
最大最小值滤波算子是一种非线性滤波算子，它能够有效地去除图像中的噪声，同时保留图像中的边缘和细节信息。
最大最小值滤波算子主要通过比较像素点周围邻域内的像素值，找出其中的最大值或最小值，并将该值作为当前像素点的输出值。
通过不断移动滤波窗口，可以对整个图像进行滤波处理。
最大最小值滤波算子的具体实现可以分为两种方式：最大值滤波和最小值滤波。
最大值滤波是指在滤波窗口内找出像素点的最大值作为输出值。
这种滤波方式可以有效地去除图像中的亮点噪声，同时也会使图像的亮度变暗。
最大值滤波通常用于图像的边缘检测和形态学处理等领域。
最小值滤波是指在滤波窗口内找出像素点的最小值作为输出值。
这种滤波方式可以有效地去除图像中的暗点噪声，同时也会使图像的亮度变亮。
最小值滤波通常用于图像的边缘检测和形态学处理等领域。
最大最小值滤波算子在图像处理中有着广泛的应用。
例如，在工业检测中，由于光照条件的变化或者摄像机传感器的问题，图像中常常会出现一些噪声点。
通过使用最大最小值滤波算子，可以有效地去除这些噪声点，从而提高图像的质量和准确性。
最大最小值滤波算子还可以应用于图像的边缘检测。
边缘是图像中亮度变化较大的区域，通过使用最大最小值滤波算子，可以突出图像中的边缘信息，从而更好地进行边缘检测和分析。
在Halcon中，最大最小值滤波算子的具体使用方法如下：1. 首先，加载待处理的图像，并进行灰度化处理。
灰度化可以将彩色图像转化为灰度图像，方便后续的滤波处理。
2. 然后，选择合适的滤波窗口大小。
滤波窗口的大小会直接影响滤波效果，一般情况下，窗口大小越大，滤波效果越明显。
3. 接下来，选择最大最小值滤波方式。
可以选择最大值滤波或最小值滤波，根据具体应用场景和需求进行选择。
4. 最后，应用最大最小值滤波算子进行图像滤波处理，并将处理后的图像进行保存或显示。
Halcon算子介绍
图像、窗口基础操作部分基础操作dev_cloｓe_wiｎdow(）关闭当前激活得窗口ｒead_imaｇe( ：Iｍａgｅ：: )读取图像,可以支持多种格式,比如TIＦF，PＮG,ＪＰＥＧ-XR,JPＥG—2000等，还支持一次性读取多个图像。
Ｉmaｇｅ：输出,读取完后在hａlcon所存放得变量名:图片路径,可以就是多个路径,可以就是绝对路径或者相对路径,还可以省略扩展名示例:＊Readiｎｇan iｍａge：ｒeaｄ_ｉmａge(Image,＇mreut＇）＊Readiｎg 3 images ｉnto an imａｇeａｒray：read_imaｇe（Ｉｍagｅｓ，［’ic0＇，'ic１’,＇ic2＇]）sｔop（）停止程序(等待用户继续运行）gｅt_iｍagｅ_size(Ｉmaｇe：: ：Wiｄtｈ，Ｈeｉght)获取图像得尺寸Ｉmage：要获取尺寸得图像Width：输出，图像得宽度Ｈeｉght：输出,图像得高度ｄev_opｅn_ｗiｎdow(：：Ｒow, Column，Wｉdｔh, Heｉght，Ｂacｋgｒounｄ:WindowＨandle）打开一个新得图像窗口Row:图像窗口左上角得起始行，默认0。
（好像没什么用)Colｕmn:图像窗口左上角得起始列，默认0、(好像没什么用）Wｉdth：图像窗口得宽度,默认2５６Height:图像窗口得高度,默认２５６Baｃkground:新窗口得背景颜色,默认黑色（ｂlack)WindoｗＨandle：窗口得识别Iddｅv_dｉspｌaｙ（Object ：：：）将图像显示到当前得图像窗口上Objｅct:要显示得图像对象dev_ｓｅt_draｗ( : ：DrawMode ：)设置Reｇｉon得显示形式ＤrawMｏde：区域得显示形式,默认'fill'，可选'fill'，'mａrgin’，fill表示显示实心区域,margin 表示只显示区域得外边界dｅv＿set_coloｒ（：:CoｌorNａme :）设置输出颜色ColorName:颜色名称,默认’white’,可选值（格式）:’whｉte',’black’，’gｒaｙ', 'ｒed', ＇green＇，＇blｕｅ＇, ＇#003075’，’＃e５301９’，'＃ｆfb5２9＇ｄisp_messagｅ( ：：ＷinｄoｗHandle, Strｉng,CoｏｒdSyｓｔem，Ｒoｗ, Coｌｕmn,Coloｒ，Bｏｘ：）输出一段文字信息ＷindowHaｎdle：要显示文字得窗口hanｄｌeSｔｒing:要显示得文字信息,会显示在一个行里CｏorｄSｙｓtem：使用得坐标系,默认windｏｗ，可选’winｄoｗ＇, 'iｍage'Ｒow,Cｏlumn:文字坐标,默认1２Ｃｏlor：文字颜色，默认'black’，可选＇’,'blａｃk’，'blｕe’,’ｙellｏw'，’ｒed', ＇gr ｅｅn'，'cyaｎ’，’ｍagentａ’，’ｆorest greｅn＇, 'ｌiｍe greeｎ’，＇coｒal’，'slate blue' Bｏx:就是否包含在一个背景框内，默认＇ｔrue’,可选'trｕe'，＇falｓe'基础语法Iｆ（‘ｃoｎｄｉtｉoｎ’）… eｌse … endif条件判断Ｗhｉｌe（‘condition’）… ｅndwhｉｌeWhiｌe循环foｒIndex ：= ‘ｓtaｒｔ‘ to ‘max’ by ‘step’… endｆorｆor循环图像处理部分基础操作图像转化ｃｏnｖert_imagｅ＿tｙｐe(Iｍａge：IｍａgeCｏｎｖe ｒteｄ: ＮewTypｅ：)转换图像类型Ｉmage : 要转化得图像ImageConｖertｅｄ: 输出,转化后得图像NewTｙpｅ:要转化得图像类型,详见Halcｏn得图像像素类型ｄeｐoｓe3（MuｌtiＣhannelImage ：Iｍage１, Ｉmａge2，Ｉmage3 ：：)把一个ＲGＢ图像转化为３个单通道得图像MultiChannｅｌＩｍａｇe:输入得多通道图像(应该就是３通道？）Image1, Iｍaｇe2, Image3：输出，转化后得单通道图像,1就是ｒed,2就是green，3就是ｂｌuergb1_ｔo_ｇrａy（RGBImage ：ＧｒayＩmａｇe ：: )把一张ＲGＢ图像转化为灰度图像RGBImａge：输入得RGＢ图像GrａyImage：输出，得到得灰度图像腐蚀膨胀ｇｅn_diｓｃ_se（: SＥ：Type，Widtｈ，Heighｔ, Smax ：）创建一个椭圆形结构元素，用于图像得腐蚀膨胀SE：输出,生成后得结构元素,图像类型Type：结构元素得图像像素类型，默认就是'byte’,可选:'byte’，’uiｎt２’,'real’,详见Haｌcｏｎ得图像像素类型ｇrａｙ_eｒosion（Image，ＳE : ＩmａgeErosioｎ：：）使用结构元素对图像做腐蚀操作（结构元素可以就是geｎ_ｄiｓc_se得输出）Imaｇe:要做腐蚀操作得图像SE：结构元素ImageEroｓioｎ：输出，腐蚀后得图像gｒay_dilation（Imagｅ，SE : IｍagｅDｉlatioｎ：：）使用结构元素对图像做膨胀操作(结构元素可以就是geｎ＿ｄisc＿se得输出）Ｉｍage：要做膨胀操作得图像SE：结构元素ImageＤｉlatioｎ：输出，膨胀后得图像区域处理部分基础操作ｔhreshold（Ｉmａgｅ: Ｒegｉon:MinＧｒaｙ，ＭａxGrａｙ: )将图像根据灰度值二值化Iｍａge:需要进行二值化得图像Regｉon：输出,二值化后得结果区域MinＧraｙ：最小灰度值,默认1２8ＭaｘＧraｙ：最大灰度值,默认25５,必须大于MinＧｒaｙcoｎnｅctiｏn(Regｉｏn ：CoｎnectｅｄRegionｓ：：）计算出区域中连接得部分Region:要计算得区域CｏｎｎectedRｅgioｎｓ:输出,计算后得Rｅｇｉoｎ数组，相连得部分将被划分为一个区域，会以不同颜色加以区分ｓeleｃt_shaｐｅ（Ｒeｇions :ＳｅleｃtedRegionｓ: Ｆeａtures，Ｏperａｔiｏn，Min, Maｘ：）从一个区域数组中选择出符合某特征条件得区域Ｒegｉons:输入得区域数组SｅlectｅdRｅｇioｎs:输出,选出得符合某些特征条件得区域数组Fｅaturｅs：条件特征,详见区域特征说明Ｏperatｉｏｎ:对于符合特征得区域得连接操作,可以就是Ａnｄ或者OrMiｎ:特征得最小值Ｍax:特征得最大值示例：read_imaｇe(Ｉmage,'ｍonkey')thｒeｓhｏld(Iｍage,Ｓ1，160，255）ｃｏnneｃtion（S1,S２)selecｔ_shａpe（S2,Eｙes，［'area'，＇aniｓometry'］,'and’,[5０0,1、0]，［５0０0０,1、7］) dｉsｐ＿reｇｉoｎ（Eｙes，WinｄｏwHandｌｅ)difｆｅrencｅ（Ｒｅgｉｏn，Suｂ: RｅｇionDiffｅｒeｎce :: ）计算两个区域得差Rｅgion：需要处理得区域Sub:被减去得区域RegioｎDiｆfｅrｅｎce:输出，计算后得结果.示例:* proｖｉｄｅｓtｈe regioｎＸwｉｔhｏuｔｔhe pointｓiｎYdiｆfeｒencｅ(X,Y，ＲegioｎDiffｅrｅnce)u: )Reg connectioｎ过得区域数组）Regｕnion２（Ｒegion1，Rｅｇioｎ２：RｅgｉoｎUnion : : ）把两个区域合并成一个区域Rｅｇiｏn1：要合并得第一个区域Regiｏn２：要合并得第二个区域RegionUnioｎ：输出，合并后得区域plｅmｅnt(Reｇion ：Reｇionｐlement ：：)计算一个区域得补(一般指全图像区域减去该区域）Ｒeｇioｎ：要计算得区域Ｒegiｏnｐleｍenｔ：输出,计算后得区域阈值分割ｔｈrｅｓｈｏｌd(Image ：Regiｏｎ：MｉnＧray, MaｘGrａy：)详见：ｔhresｈolｄauｔo＿thresｈold（Iｍage ：Reｇions : Sigmａ：）自动阈值分割bin_ｔhｒｅshoｌｄ(Iｍage ：Regiｏn ：: )用于提取背景为白色,且前后北京较为分明;自动选取sigma值进行告诉光滑处理，光滑直到只有一个最小值；例如提取白纸黑字，可以用此算子;mａｇe ：输入得图像Rｅgion：输出，分割后得区域chａｒ_tｈreｓｈoｌｄ（Image,HistoRegion : Chａrａcte ｒs ：Sｉgma, Percｅｎｔ：Thｒeshold）阈值分割提取字符Ｉmagｅ：输入得图像HiｓtｏRegion ：要提取字符所在得区域Cｈarａｃｔers ：输出，提取得到得字符区域Sigｍa:高斯光滑因子Ｐercｅnｔ：灰度直方图中得灰度值差得百分比Threshｏld:得到得用于阈值处理得阈值示例：ｒｅad＿imａge（Image, 'ｌｅtｔeｒs’)cｈａr_threｓｈolｄ（Ｉmagｅ，Imaｇｅ，Seg,０、0，5、0, Thｒeshｏld)cｏｎnection （Seg，Conｎeｃted）dｕal_ｔｈｒesｈｏlｄ(Ｉmage ：RｅｇｉｏｎCｒｏsｓings ：MinＳize，ＭinGｒay，Threshoｌd : )应用于分隔符号图像得阈值处理。
halcon一些算子介绍
threshold(Image,Region,0,PeakGray-25)
bin_threshold — 使用一个自动确定的阈值分割图像。
格式： bin_threshold(Image : Region : : )
Halcon通过统一的接口封装上述不同相机的image acquisition interfaces,从而达到算子统一化。不同的相机只需更改几个参数就可变更使用。
Halcon图像获取的思路：1、打开设备，获得该设备的句柄。2、调用采集算子，获取图像。
1、打开设备，获得该设备的句柄。
open_framegrabber('DahengCAM', 1, 1, 0, 0, 0, 0, 'interlaced', 8, 'gray', -1, 'false','HV-13xx', '1', 1, -1, AcqHandle) //连接相机，并设置相关参数
图像分割的定义：
所谓图像分割是指将图像中具有特殊含义的不同区域分割开来，这些区域是互相不交叉的，每个区域都满足特定区域的一致性。
1、基于阈值的图像分割
threshold —采用全局阈值分割图像。
格式： threshold(Image : Region : MinGray, MaxGray : )
形体学基础算子：
erosion1
dilation1
opening
closing
常用的形态学相关算子
connection
halcon边缘检测算子
halcon边缘检测算子
Halcon边缘检测算子是用于图像处理中的一种常用算法，能够快速、高效地提取图像中的边缘信息。
该算法基于灰度值的变化来确定边缘的位置，并通过一系列的计算和滤波操作来提高边缘的准确性和清晰度。
Halcon边缘检测算子主要包括Sobel、Prewitt、Roberts、Canny 等多种算法。
其中，Sobel算子是一种基于二阶导数的边缘检测算子，具有高精度和稳定性等优点；Prewitt算子则是一种基于一阶导数的算子，适用于对边缘方向和强度的分析；Roberts算子则是一种基于斜率的算子，能够在较短的时间内快速地提取图像中的边缘信息；Canny算子则是一种综合了多种算法的优点，能够提高边缘检测的准确性和鲁棒性。
总之，Halcon边缘检测算子是一种非常重要的图像处理算法，能够在实际应用中发挥巨大的作用，例如在机器视觉、医学影像、无人驾驶等领域中的应用。
- 1 -。
halcon测量空间点到直线的算子
halcon测量空间点到直线的算子
Halcon中的测量空间点到直线的算子是Line_PointDistance。
该算子用于计算空间点到直线的距离。
以下是使用该算子的示例代码：
* 创建一个直线对象
'''Halcon
create_line(CamParam, Row1, Col1, Row2, Col2, Line)
'''
* 创建一个空间点对象
'''Halcon
create_point_3d(Random(), Random(), Random(), Point)
'''
* 测量点到线的距离
'''Halcon
distance_line_point(Line, Point, Distance)
'''
在上述代码中，CamParam是相机参数，用于将空间点坐标转换为图像坐标。
Row1、Col1和Row2、Col2是直线端点的图像坐标。
Line是输出的直线对象。
Random()函数用于生成随机的空间点坐标。
Point是输出的空间点对象。
Distance是输出的距离。
注意：以上是使用Halcon的代码示例，具体的使用方式可能因版本和具体的应
用场景而有所不同。
相关的参数和函数名可以根据具体版本的Halcon进行调整。
halcon中的points_foerstner算子原理
halcon中的points_foerstner算子原理Halcon中的points_foerstner算子用于提取图像中的角点。
该算子基于Foerstner算法，通过分析图像的梯度和曲率来检测角点。
以下是该算子的原理概述：
1. 输入图像：首先，输入一幅图像，该图像将作为提取角点的源。
2. 预处理：对输入图像进行预处理，包括平滑和滤波等操作，以减少噪声和增强图像特征。
3. 计算梯度和曲率：使用特定的滤波器（如高斯滤波器）计算图像的梯度和曲率。
这些计算涉及到像素及其邻域，以确定像素点处的边缘和纹理信息。
4. 角点检测：基于计算出的梯度和曲率，通过特定的阈值和条件判断像素点是否为角点。
这些条件可能包括梯度幅度、曲率值、非均匀性等。
5. 后处理：对检测到的角点进行后处理，如消除重复的角点、平滑角点的位置等。
6. 输出结果：最后，输出提取到的角点信息，包括角点的坐标、方向、区域大小等。
该算子具有可调节的参数，如SigmaGrad（梯度平滑的标准差）、SigmaInt（图像平滑的标准差）、SigmaPoints（角点平滑的标准差）等，
这些参数可以控制角点提取的质量和数量。
通过调整这些参数，可以在不同情况下获得最佳的角点检测效果。
需要注意的是，points_foerstner算子在提取角点时可能会受到图像中其他噪声和干扰的影响。
因此，在实际应用中，可能需要对输入图像进行适当的预处理和后处理，以获得更准确和可靠的角点检测结果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图像、窗口基础操作部分基础操作dev_close_window()关闭当前激活的窗口read_image( : Image : FileName : )读取图像，可以支持多种格式，比如TIFF，PNG，JPEG-XR，JPEG-2000等，还支持一次性读取多个图像。
Image：输出，读取完后在halcon所存放的变量名FileName：图片路径，可以是多个路径，可以是绝对路径或者相对路径，还可以省略扩展名示例：* Reading an image:read_image(Image,'mreut')* Reading 3 images into an image array:read_image(Images,['ic0','ic1','ic2'])stop()停止程序（等待用户继续运行）get_image_size(Image : : : Width, Height)获取图像的尺寸Image：要获取尺寸的图像Width：输出，图像的宽度Height：输出，图像的高度dev_open_window( : : Row, Column, Width, Height, Background : WindowHandle)打开一个新的图像窗口Row：图像窗口左上角的起始行，默认0。
（好像没什么用）Column:图像窗口左上角的起始列，默认0.（好像没什么用）Width：图像窗口的宽度，默认256Height：图像窗口的高度，默认256Background:新窗口的背景颜色，默认黑色（black）WindowHandle：窗口的识别Iddev_display(Object : : : )将图像显示到当前的图像窗口上Object：要显示的图像对象dev_set_draw( : : DrawMode : )设置Region的显示形式DrawMode：区域的显示形式，默认'fill'，可选'fill', 'margin'，fill表示显示实心区域，margin 表示只显示区域的外边界dev_set_color( : : ColorName : )设置输出颜色ColorName：颜色名称，默认’white’，可选值（格式）：'white', 'black', 'gray', 'red', 'green', 'blue', '#003075', '#e53019', '#ffb529'disp_message( : : WindowHandle, String, CoordSystem, Row, Column, Color, Box : )输出一段文字信息WindowHandle：要显示文字的窗口handleString：要显示的文字信息，会显示在一个行里CoordSystem：使用的坐标系，默认window，可选'window', 'image'Row，Column：文字坐标，默认12Color：文字颜色，默认'black'，可选'', 'black', 'blue', 'yellow', 'red', 'green', 'cyan', 'magenta', 'forest green', 'lime green', 'coral', 'slate blue'Box：是否包含在一个背景框内，默认'true'，可选'true', 'false'基础语法If(‘condition’) … else … endif条件判断While(‘condition’) … endwhileWhile循环for Index := ‘start‘ to ‘max’ by ‘step’… endforfor循环图像处理部分基础操作图像转化convert_image_type(Image : ImageConverted : NewType : )转换图像类型Image : 要转化的图像ImageConverted : 输出，转化后的图像NewType :要转化的图像类型，详见Halcon的图像像素类型decompose3(MultiChannelImage : Image1, Image2, Image3 : : )把一个RGB图像转化为3个单通道的图像MultiChannelImage：输入的多通道图像（应该是3通道？）Image1, Image2, Image3:输出，转化后的单通道图像，1是red，2是green，3是bluergb1_to_gray(RGBImage : GrayImage : : )把一张RGB图像转化为灰度图像RGBImage:输入的RGB图像GrayImage：输出，得到的灰度图像腐蚀膨胀gen_disc_se( : SE : Type, Width, Height, Smax : )创建一个椭圆形结构元素，用于图像的腐蚀膨胀SE：输出，生成后的结构元素，图像类型Type：结构元素的图像像素类型，默认是’byte’，可选：’byte’，’uint2’，’real’，详见Halcon 的图像像素类型gray_erosion(Image, SE : ImageErosion : : )使用结构元素对图像做腐蚀操作（结构元素可以是gen_disc_se的输出）Image：要做腐蚀操作的图像SE：结构元素ImageErosion：输出，腐蚀后的图像gray_dilation(Image, SE : ImageDilation : : )使用结构元素对图像做膨胀操作（结构元素可以是gen_disc_se的输出）Image：要做膨胀操作的图像SE：结构元素ImageDilation：输出，膨胀后的图像区域处理部分基础操作threshold(Image : Region : MinGray, MaxGray : )将图像根据灰度值二值化Image：需要进行二值化的图像Region：输出，二值化后的结果区域MinGray：最小灰度值，默认128MaxGray：最大灰度值，默认255，必须大于MinGrayconnection(Region : ConnectedRegions : : )计算出区域中连接的部分Region：要计算的区域ConnectedRegions：输出，计算后的Region数组，相连的部分将被划分为一个区域，会以不同颜色加以区分select_shape(Regions : SelectedRegions : Features, Operation, Min, Max : )从一个区域数组中选择出符合某特征条件的区域Regions：输入的区域数组SelectedRegions：输出，选出的符合某些特征条件的区域数组Features：条件特征，详见区域特征说明Operation：对于符合特征的区域的连接操作，可以是And 或者OrMin：特征的最小值Max：特征的最大值示例：read_image(Image,'monkey')threshold(Image,S1,160,255)connection(S1,S2)select_shape(S2,Eyes,['area','anisometry'],'and',[500,1.0],[50000,1.7])disp_region(Eyes,WindowHandle)difference(Region, Sub : RegionDifference : : )计算两个区域的差Region：需要处理的区域Sub：被减去的区域RegionDifference：输出，计算后的结果。
示例：* provides the region X without the points in Ydifference(X,Y,RegionDifference)union1(Region : RegionUnion : : )联合有连接性质的区域Region：输入的区域（比如connection过的区域数组）RegionUnion：输出，合并后的区域union2(Region1, Region2 : RegionUnion : : )把两个区域合并成一个区域Region1：要合并的第一个区域Region2：要合并的第二个区域RegionUnion：输出，合并后的区域complement(Region : RegionComplement : : )计算一个区域的补（一般指全图像区域减去该区域）Region：要计算的区域RegionComplement：输出，计算后的区域阈值分割threshold(Image : Region : MinGray, MaxGray : )详见：thresholdauto_threshold(Image : Regions : Sigma : )自动阈值分割bin_threshold(Image : Region : : )用于提取背景为白色，且前后北京较为分明；自动选取sigma值进行告诉光滑处理，光滑直到只有一个最小值；例如提取白纸黑字，可以用此算子；mage : 输入的图像Region：输出，分割后的区域char_threshold(Image, HistoRegion : Characters : Sigma, Percent : Threshold)阈值分割提取字符Image：输入的图像HistoRegion : 要提取字符所在的区域Characters : 输出，提取得到的字符区域Sigma：高斯光滑因子Percent : 灰度直方图中的灰度值差的百分比Threshold：得到的用于阈值处理的阈值示例：read_image (Image, 'letters')char_threshold (Image, Image, Seg, 0.0, 5.0, Threshold)connection (Seg, Connected)dual_threshold(Image : RegionCrossings : MinSize, MinGray, Threshold : )应用于分隔符号图像的阈值处理。