Halcon双阈值与方差阈值算子原理解析
在Halcon的阈值分割工具集中，除了常见的threshold、binary_threshold和dyn_threshold外，dual_threshold和var_threshold这两个算子具有独特的工作机制。理解它们需要先掌握基础阈值方法——其中threshold是最直接的全局分割，binary_threshold能自动识别亮暗区域，而dyn_threshold则通过图像滤波后的局部对比实现分割。后者的典型流程是：先对原图做均值滤波，再逐像素比较原图与滤波图的灰度差异，从而提取出比背景更亮或更暗的特定区域。
1. dual_threshold：双阈值高效分割
这个算子通过单个调用整合了阈值化、连通区域提取和尺寸过滤三个步骤。其签名如下：
dual_threshold(Image, RegionCrossings, MinSize, MinGray, Threshold)
参数说明：
- Threshold：用于分割的灰度阈值
- MinSize：保留区域的最小像素面积
- MinGray：分割区域内像素的最大灰度值下限
假设我们有一张包含齿轮和小色块的测试图，其中蓝色矩形块面积为175像素。当设置MinSize=174, MinGray=200, Threshold=180时，满足条件（面积≥174且区域内最大灰度≥200）的区域会被保留。如果调整MinSize为176，该矩形块因面积不足被过滤；若将MinGray提高到216且MinSize保持176，最右侧齿轮部分区域因最大灰度未达216而消失，调低到210后该区域重新出现。
当设置MinGray = Threshold时，算子退化为单阈值模式。例如dual_threshold(Image, RegionCrossings, 176, 180, 180)等价于以下三段代码的组合：
threshold(Image, Region, 180, 255)
connection(Region, ConnectedRegions)
select_shape(ConnectedRegions, SelectedRegions, 'area', 'and', 176, 9999999)
注意：该算子只能分割高灰度值的亮区域，无法处理暗区域。
2. var_threshold：自适应方差阈值
算子签名如下：
var_threshold(Image, Region, MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark)
核心机制与dyn_threshold类似，但集成了标准差分析。其中MaskWidth/Height定义滤波窗口大小，StdDevScale为标准差缩放因子，AbsThreshold为绝对阈值。可选模式LightDark包含'light', 'dark', 'equal', 'not_equal'。
阈值计算规则如下：
- 设d(x,y)为窗口内像素的标准差，v(x,y)为最终使用的阈值
- 若StdDevScale ≥ 0：取StdDevScale × d(x,y)与AbsThreshold中的较大值
- 若StdDevScale < 0：取两者中的较小值（此时乘积为负数，因此实际取绝对值较小者）
例如处理一张包含文字和背景的图片：
var_threshold(Image, Region, 4, 4, 0.2, 12, 'dark')
操作时，每个像素会被其4×4邻域的平均灰度m(x,y)比较。当m(x,y) - g(x,y) ≥ v(x,y)时（g(x,y)为原图灰度），该像素被划为暗区。在边缘处标准差较大时，阈值由0.2×标准差决定；在平坦区域则使用12作为固定阈值。如果增大AbsThreshold到30或提高StdDevScale到0.7，分割区域会缩小；若将StdDevScale设为负值如-0.01，则AbsThreshold失效，可能导致全图被选中，实用性较低。
与dyn_threshold的关系：当StdDevScale=0时，var_threshold可模拟dyn_threshold的行为。例如以下两组代码效果几乎相同：
var_threshold(Image, Region, 4, 4, 0, 12, 'dark')
mean_image(Image, ImageMean, 4, 4)
dyn_threshold(Image, ImageMean, RegionDynThresh, 12, 'dark')
当StdDevScale > 0时，var_threshold在边缘区域能更有效地抑制噪声，因为它会根据局部对比度动态调整阈值。
