目录

一、说明

二、算子介绍

2.1 info_edges算子

2.2 edges_image

2.3 edges_sub_pix

三、edges_image的代码

四、 edges_sub_pix函数

五、结果分析

六、小结：

一、说明

        halcon中取区域边缘的算子很多，但是哪个效果更好，本文对edges_image和edges_sub_pix介绍，并对它们的执行效果进行对比.

二、算子介绍

2.1 info_edges算子

1）描述

        info_edges 返回对 edges_image 中使用的任何滤波器的宽度的估计。为此，对滤波器的相应连续脉冲响应进行采样，直到第一个滤波器系数小于最大系数的 5%。这等同于工具寻优。

        Alpha 是滤波器参数（见edges_image）。支持七个边缘运算符（参数过滤器）：

“deriche1”、“lanser1”、“deriche2”、“lanser2”、“shen”、“mshen”和“canny”。

        参数 Mode ('edge'/'smooth') 用于确定是否要对相应的边缘或平滑算子进行采样。Canny 算子（使用高斯进行平滑）使用常规过滤器掩码实现，而所有其他过滤器是递归实现的。因此，对于 Canny 滤波器，除了滤波器宽度外，一维脉冲响应的系数在 Coeffs 中返回。

2）算子形式

        info_edges( : : Filter, Mode, Alpha : Size, Coeffs)

3）例子：以下返回不同的size和Coeffs。

info_edges('deriche1','edge',0.5,Size,Coeffs)
info_edges('deriche2','edge',0.5,Size,Coeffs)
info_edges('lanser1','edge',0.5,Size,Coeffs)
info_edges('lanser2','edge',0.5,Size,Coeffs)
info_edges('shen','edge',0.5,Size,Coeffs)
info_edges('mshen','edge',0.5,Size,Coeffs)
info_edges('canny','edge',0.5,Size,Coeffs)

2.2 edges_image

1）算子综合描述

        edges_image 使用递归实现的滤波器（根据 Deriche、Lanser 和 Shen）或 Canny 提出的传统实现的“高斯导数”滤波器（使用滤波器掩码）检测阶梯边缘。此外，可以使用 Sobel 滤波器的非常快速的变体。

        对于除 'sobel_fast' 之外的所有过滤器，边缘方向在 ImaDir 中返回。deriche2' 也可用于 int4-images，并返回带符号的过滤器响应而不是其绝对值。通过应用 edges_image 计算图像的二阶导数（使用参数 'lanser2') 到有符号的一阶导数。边缘方向以 2 度的步长存储，即，在数学上正意义上的 x 度的边缘方向和相对于水平轴的边缘方向在边缘方向上存储为 x / 2图像。此外，还考虑了强度变化的方向。用图像梯度表示。

2）算子格式

        edges_image(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : )

3）参数意义

• Image :   输入图像
• ImaAmp： 输出图像的边缘振幅（梯度幅值）以ImaAmp返回。
   
• ImaDir : 输出方向
• Filter： 可以使用以下边缘运算符，滤波器选择：

    'deriche1', 'lanser1', 'deriche1_int4', 'deriche2', 'lanser2', 'deriche2_int4', 'shen', 'mshen', 'canny', and 'sobel_fast'

• Alpha：过滤器参数：较小的值会导致强平滑，因此细节较少（与“canny”相反）。此值小则线条少，大则线条多。
• NMS, 是否采用非击大值抑制
• Low：下门限值
• High：上门限值

4）参数详细信息

•     ImaAmp： 输出图像的边缘振幅（梯度幅值）以ImaAmp返回。

        对于除“sobel_fast”之外的所有过滤器，边缘方向以ImaDir返回。对于“sobel_fast”，不会计算边缘方向以加速过滤器。因此，ImaDir是一个空图像对象。边缘操作符“deriche1”分别为“deriche2”也可用于int4图像，并返回带符号的过滤器响应，而不是其绝对值。通过分别选择'deriche1_int4'和'deriche2_int4'作为过滤器，字节图像也可以获得此行为。这可用于计算图像的二阶导数，方法是将边缘_image（带参数“lanser2”）应用于带符号的一阶导数。边缘方向以2度步长存储，即，在数学上正意义上且相对于水平轴的x度边缘方向在边缘方向图像中存储为x/2。此外，还考虑了强度变化的方向。让我们来表示图像的梯度。然后，以下边缘方向返回为r/2‘

• Alpha：图像处理过滤器的大小尺度

        除了 'sobel_fast' （其中过滤器宽度为 3x3 且忽略 Alpha）之外的所有过滤器，“过滤器宽度”（即平滑量）可以任意选择，并且可以通过调用 info_edges 来估算具体值参数 Alpha。对于 Deriche、Lanser 和 Shen 过滤器，它随着 Alpha 的增加而减小，而对于 Canny 过滤器，它是 Canny 算子所基于的高斯的标准偏差。“宽”过滤器表现出更大的不变性噪声，但也降低了检测小细节的能力。非递归滤波器，例如 Canny 滤波器，是使用滤波器掩码实现的，因此增加滤波器宽度会增加执行时间。因此，使用 Deriche 可以实现任意滤波器宽度, Lanser 和 Shen 过滤器不会增加算子的运行时间。对于较大的过滤器宽度自然会增加。作为边界处理，递归算子假设图像在图像之外为零，而 Canny 算子在图像边界处重复灰度值。可通过以下选择获得可比较的过滤器宽度Α：

     Alpha('lanser1')   = Alpha('deriche1'),
     Alpha('deriche2')  = Alpha('deriche1') / 2,
     Alpha('lanser2')   = Alpha('deriche2'),
     Alpha('shen')      = Alpha('deriche1') / 2,
     Alpha('mshen')     = Alpha('shen'),
     Alpha('canny')     = 1.77 / Alpha('deriche1').

        最初提出的递归滤波器（'deriche1'、'deriche2'、'shen'）返回对角边缘幅度的有偏估记。'mshen'），同时保持相同的执行速度。
        对于相对较小的过滤器宽度（11 x 11），即对于 Alpha（'lanser2' = 0.5），所有过滤器都会产生相似的结果。只有“更宽”的过滤器开始出现差异：Shen 过滤器开始产生质量较差的结果。但是，它们是已实施的运算符中最快的——紧随其后的是 Deriche 运算符。

• NMS,非极大值抑制的处理方法

        edge_image 可选择应用非最大抑制（NMS = 'nms'/'inms'/'hvnms'；如果不需要，则为 'none'）和滞后阈值操作（低、高；如果不需要，至少有一个负值）到生成的边缘图像。从概念上讲，这对应于以下调用：

           nonmax_suppression_dir(...,NMS,...) under  hysteresis_threshold(...,Low,High,999,...).

        对于'sobel_fast'，除了'none'之外，对NMS的所有值都进行同样的非极大值抑制。edge_image 可以在 OpenCL 设备上针对过滤器类型“canny”和“sobel_fast”执行。

• Low：下门限值  和  High：上门限值

      见：canny算子原理

2.3 edges_sub_pix

1）算子综合描述

        使用 Deriche、Lanser、Shen 或 Canny 过滤器提取亚像素精确边缘。

        edges_sub_pix 使用递归实现的滤波器（根据 Deriche、Lanser 和 Shen）或 Canny 提出的传统实现的“高斯导数”滤波器（使用滤波器掩码）检测阶梯边缘。

'deriche1', 'lanser1', 'deriche2', 'lanser2', 'shen', 'mshen', 'canny', 'sobel', and 'sobel_fast'

        提取的边缘在 Edges 中作为亚像素精确 XLD 轮廓返回。对于除 'sobel_fast' 之外的所有边缘算子，为每个边缘点定义以下属性（参见 get_contour_attrib_xld）

• 'edge_direction' 边缘方向
• 'angle' 法线向量到轮廓的方向（当轮廓从起点到终点遍历时，法线向量指向轮廓的右侧；角度是相对于图像的行轴给出的） .)
• “respones”边缘幅度（梯度幅度）

        除了‘sobel’和‘sobel_fast’之外的所有边缘算子可以任意选择“滤波器宽度”（即平滑量），可以通过调用info_edges来估计参数Alpha、Lanser和Lanser的具体值沉过滤器），“过滤器宽度”随着 Alpha 的增加而减小。唯一的例外是 Canny 过滤器，其增加的 Alpha 也会导致“过滤器宽度”的增加。实现非递归过滤器，例如 Canny 过滤器使用过滤器掩码，因此增加过滤器宽度会增加执行时间。因此，使用 Deriche、Lanser 和 Shen 过滤器可以实现任意过滤器宽度，而不会增加算子的运行时间。与 Canny 算子相比，在速度上自然具有优势增加作为边界处理，递归算子假设图像在图像之外为零，而 Canny 算子在图像边界处重复灰度值。可通过以下 Alpha 选择获得可比较的滤波器宽度：

     Alpha('lanser1')   = Alpha('deriche1'),
     Alpha('deriche2')  = Alpha('deriche1') / 2,
     Alpha('lanser2')   = Alpha('deriche2'),
     Alpha('shen')      = Alpha('deriche1') / 2,
     Alpha('mshen')     = Alpha('shen'),
     Alpha('canny')     = 1.77 / Alpha('deriche1').

        最初提出的递归滤波器（'deriche1'、'deriche2'、'shen'）返回对角边缘幅度的有偏估计。'mshen'），同时保持相同的执行速度。
        对于相对较小的过滤器宽度（11 x 11），即对于 Alpha（'lanser2' = 0.5），所有过滤器都会产生相似的结果。只有“更宽”的过滤器开始出现差异：Shen 过滤器开始产生质量较差的结果。但是，它们是支持任意掩码大小的已实现算子中最快的，紧随其后的是 Deriche 算子。使用固定掩码大小 (3 x 3) 的两个 Sobel 过滤器比其他过滤器快。二，过滤器“sobel_fast”明显快于“sobel”。

        edge_sub_pix 使用类似于迟滞阈值操作的算法将边缘点链接到边缘，这也用于lines_gauss. 幅度大于High 的点立即被认为属于边缘，而幅度小于Low 的点是如果所有其他点连接到已接受的边缘点，则所有其他点都被接受为边缘（另请参见lines_gauss 和 hysteresis_threshold）。

        因为边缘提取器通常无法提取某些连接点，所以可以通过将'_junctions'附加到上述Filter的值来选择一种尝试通过不同方式提取这些缺失连接点的模式。在lines_gauss中可用的连接点。

        边缘算子“sobel_fast”与所有其他边缘算子具有相同的语义。然而，在内部，它基于各个处理步骤（滞后阈值、边缘点链接和子像素边缘位置的提取）的显着简化变体。因此，在某些情况下，“sobel_fast”可能会返回稍微不太准确的边缘位置，并且可能会选择不同的边缘部分。

        edge_sub_pix 可以在 OpenCL 设备上针对过滤器类型“canny”和“sobel_fast”执行。这将需要最多 width*height*29 字节的固定内存。由于分配内存是一项昂贵的操作，因此设置固定内存是有意义的内存缓存到至少这个大小（使用 set_compute_device_param 参数 'pinned_mem_cache_capacity'，或完全禁用固定内存（使用 set_compute_device_param 参数 'alloc_pinned'），在这种情况下使用普通内存缓存。CPU 实现。

2）算子形式

        edges_sub_pix( Image : Edges : Filter, Alpha, Low, High : )

3）参数说明

        这些参数与上文edges_image相同，请参考。

三、edges_image的代码

以下是采用edges_image的边界提取示例代码。

read_image (Image, 'D:/images/taps/gtape')
edges_image (Image, ImaAmp, ImaDir, 'lanser2', 0.5, 'nms', 12, 22)
threshold (ImaAmp, Edges, 1, 255)
skeleton (Edges, Skeleton)
gen_contours_skeleton_xld (Skeleton, Contours, 1, 'filter')
dev_display (Image)
dev_set_colored (6)
dev_display (Contours)

四、 edges_sub_pix函数

以下是采用edges_sub_pix的边界提取示例代码。

read_image (Image, 'D:/images/taps/gtape')
* 
* Init window
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle1)
* 
* Segment a region containing the edges
fast_threshold (Image, Region, 0, 140, 7)
boundary (Region, RegionBorder, 'inner')
* clip_region_rel (RegionBorder, RegionClipped, 5, 5, 5, 5)
dilation_circle (RegionBorder, RegionDilation, 2.5)
reduce_domain (Image, RegionDilation, ImageReduced)
* 
* In the subdomain of the image containing the edges,
* extract subpixel precise edges.
set_color(WindowHandle1, 'green')
*'deriche1', 'lanser1', 'deriche2', 'lanser2', 'shen', 'mshen', 'canny', 'sobel', and 'sobel_fast'
edges_sub_pix (ImageReduced, Edges, 'lanser2', 2, 20, 60)

五、结果分析

用edges_image的结果：

 edges_sub_pix的结果：

        可以看出，上图红线只是包络边缘，所以判定只能是像素级别；下图edges_sub_pix的边缘横跨黑白之间，达到亚像素测量。结论edges_sub_pix做测量时要优于edges_image。

六、小结：

        如果您对两个算子的参数不得要领，那是因为有些知识点不够，相关理论将在此文解释，请大家参考。