Halcon学习之六：获取Image图像中Region区域特征参数.pdf

Halcon 学习之六：获取 Image 图像中 Region 区域的特征参数 area_center_gray ( Regions, Image : : : Area, Row, Column ) 计算 Image 图像中 Region 区域的面积Area 和重心（Row ，Column ）。 cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast ) 计算共生矩阵和推导出灰度特征值 Direction ：灰度共生矩阵计算的方向 Energy ：灰度值能量 Correlation ：灰度值的相互关系 Homogeneity ：灰度值的均匀性 Contrast ：灰度值的对比度 cooc_feature_matrix ( CoocMatrix : : : Energy, Correlation, Homogeneity, Contrast ) 根据共生矩阵计算灰度特征值 elliptic_axis_gray ( Regions, Image : : : Ra, Rb, Phi ) 计算 Image 图像的 Region 区域的 Ra ，Rb 和 Phi。 entropy_gray ( Regions, Image : : : Entropy, Anisotropy ) Image 图像中 Region 区域的计算熵 Entropy 和各向异性 Anisotropy。 estimate_noise ( Image : : Method, Percent : Sigma ) 从单一图像 Image 中估计图像的噪声。 Sigma ：加性噪声的标准偏差 Method ：估计噪声的方法 Method∈{foerstner、immerkaer、least_squares、mean}、 fit_surface_first_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma ) 计算一阶灰度平面的灰度矩阵和灰度值的逼近参数。 Algorithm ：采用的算法 Algorithm ：迭代次数 ClippingFactor ：消除临界值的削波系数 fit_surface_second_order ( Regions, Image : : Algorithm, Iterations, ClippingFactor : Alpha, Beta, Gamma, Delta, Epsilon, Zeta ) 计算二阶灰度平面的灰度矩阵和灰度值的逼近参数。 fuzzy_entropy ( Regions, Image : : Apar, Cpar : Entropy ) 确定区域 Regions 的模糊熵 将图像视为模糊集合 Apar 为模糊区域的起始点 Cpar 为模糊区域的结束点 Entropy 为 Regions 的模糊熵 fuzzy_perimeter ( Regions, Image : : Apar, Cpar : Perimeter ) 计算 Region 区域的模糊周长 gen_cooc_matrix ( Regions, Image : Matrix : LdGray, Direction : ) 生成 Image 图像 Region 区域的共生矩阵 gray_histo ( Regions, Image : : : AbsoluteHisto, RelativeHisto ) 获取Image 图像 Region 区域的灰度相对直方图RelativeHisto 和绝对直方 图AbsoluteHisto。 注意 ：Region 区域必须先计算过它的直方图。 gray_histo_abs ( Regions, Image : : Quantization : AbsoluteHisto ) 获取 Image 图像 Region 区域的灰度绝对直方图AbsoluteHisto。 Quantization ：灰度值的量化、 gray_projections ( Region, Image : : Mode : HorProjection, VertProjection ) 计算 R