一、算子分类与核心解析

1. 图像基础运算算子

这类算子主要用于图像像素级的加减乘除、格式转换、裁剪等基础操作。

表格

算子	核心功能	关键参数说明	典型使用场景
sub_image	图像灰度相减 (Img1 - Img2)	Mult=1, Add=0 表示直接相减（无缩放 / 偏移）	背景差分、缺陷检测（减去基准图找差异）
mult_image	图像灰度相乘（你备注的 “相加” 是笔误）	Mult=0.015, Add=0 表示 Img1×Img2×0.015	图像增强、掩膜加权运算
convert_image_type	转换图像数据类型	'int2' 表示 16 位有符号整型	避免运算溢出（如相减可能出现负数）
crop_part	裁剪图像区域	Row=0, Column=0, Width, Height	提取感兴趣区域 (ROI)
scale_image_max	图像对比度最大化	-	增强图像视觉辨识度
rotate_image	图像旋转	Angle=90, 'constant' 表示旋转后填充常数	校正倾斜图像（如文字、条码）
tile_images	拼接多幅图像	2, 'horizontal' 表示 2 幅水平拼接	可视化多步处理结果
compose3/decompose3	RGB 图像合成 / 拆分	-	彩色图像通道处理
invert_image	图像反相（255 - 灰度值）	-	暗背景转亮背景，突出目标
fill_interlace	修复隔行扫描图像	'odd' 修复奇数行	解决工业相机采集的图像拼接问题
polar_trans_image	笛卡尔坐标↔极坐标转换	圆心 (Row,Column)、半径范围	处理环形 / 圆形区域（如表盘、瓶盖）

2. 图像滤波与增强算子

这类算子用于降噪、平滑、边缘增强等预处理。

表格

算子	核心功能	关键参数	场景
median_rect	矩形中值滤波	41,41 滤波核大小	去除椒盐噪声（如工业图像中的斑点）
smooth_image	图像平滑	'deriche2', 0.2 平滑算法 / 系数	降噪，保留边缘
gray_erosion_rect	灰度腐蚀	矩形核大小	弱化亮区域，突出暗细节
gray_closing/gray_opening	灰度闭 / 开运算	结构元素	填充小暗孔 / 去除小亮噪点
hysteresis_threshold	滞后阈值分割	10,20 高低阈值	边缘检测（如 Canny 算法的阈值环节）

3. 区域分割与提取算子

这类算子是视觉处理的核心，用于从图像中分割出目标区域。

表格

算子	核心功能	关键参数	场景
auto_threshold	自动多阈值分割	10 直方图波谷最小距离	多灰度目标分割（如多色零件）
bin_threshold	单阈值分割	-	简单黑白图像分割
char_threshold	字符专用阈值分割	6,95 直方图波峰参数	字符识别 (OCR) 的阈值提取
dyn_threshold	动态阈值分割	3, 'light' 偏差 / 亮目标	不均匀光照下的分割（如曲面物体）
regiongrowing	区域生长	邻域大小、灰度差、最小面积	相似灰度区域合并（如纹理分割）
fast_threshold	快速阈值分割	灰度范围 + 最小面积	实时性要求高的场景
check_difference	图像差异分割	'diff_outside', -255,15	缺陷检测（对比基准图找差异）
select_shape_std	选指定特征区域	'max_area',70 选最大面积	提取主要目标（如最大的零件）

4. 区域形态学与操作算子

对分割后的区域进行形态学处理、合并、筛选等。

表格

算子	核心功能	关键参数	场景
closing/fill_up_shape	区域闭运算 / 填充	'area',1,40 填充小面积孔洞	修复区域孔洞（如字符断笔）
intersection/difference	区域交 / 差运算	-	提取重叠 / 非重叠区域
complement	区域补集	-	提取背景区域
union2/concat_obj	区域合并	-	合并分散的目标区域
select_region_point	选择包含指定点的区域	点坐标 (Row,Column)	定位点击位置的目标
partition_dynamic	区域动态分割	特征阈值	按区域特征（如灰度）拆分

5. 轮廓 (XLD) 处理算子

Halcon 中最核心的轮廓操作，用于提取、筛选、拟合、变换轮廓。

表格

算子	核心功能	关键参数	场景
lines_gauss/lines_color	提取灰度 / 彩色线条	高斯核、宽度阈值	提取边缘、标线、轮廓
select_contours_xld	筛选轮廓	'closed'/'curvature'	选封闭轮廓 / 曲率符合要求的轮廓
select_shape_xld	按形态筛选轮廓	'contlength',15,500 长度范围	过滤过短 / 过长的轮廓
fit_circle_contour_xld	轮廓拟合成圆	拟合算法、精度	检测圆形目标（如焊点、圆孔）
gen_contour_region_xld	从区域生成轮廓	'border_holes' 包含孔洞边界	提取区域的边缘轮廓
union_collinear_contours_xld	连接共线轮廓	最大间距、角度差	修复断裂的直线（如道路标线）
gen_parallels_xld	生成平行轮廓	距离、角度	提取平行线（如轨道、边框）
test_xld_point	测试点是否在轮廓内	点坐标	判断目标是否在指定区域内
split_contours_xld	拆分轮廓	'polygon',1,5	把复杂轮廓拆分成简单段

6. 矩阵与坐标变换算子

用于 2D/3D 坐标转换、位姿计算，是视觉引导、机械手定位的核心。

表格

算子	核心功能	关键参数	场景
hom_mat2d_identity/hom_mat3d_identity	生成单位矩阵	-	变换的初始矩阵
hom_mat2d_translate/scale/rotate	2D 平移 / 缩放 / 旋转	平移量、缩放因子、角度	2D 图像配准、校正
hom_mat3d_rotate/translate/compose	3D 旋转 / 平移 / 矩阵相乘	旋转轴、角度、平移量	3D 位姿计算（机械手抓取）
pose_to_hom_mat3d/hom_mat3d_to_pose	位姿↔矩阵转换	-	视觉与机器人坐标系转换
vector_to_proj_hom_mat2d	透视变换矩阵计算	4 对对应点坐标	图像矫正（如透视畸变校正）
affine_trans_contour_xld	轮廓仿射变换	变换矩阵	轮廓的平移 / 旋转 / 缩放

7. 特征提取算子

提取图像 / 区域 / 轮廓的关键特征（坐标、角度、灰度等）。

表格

算子	核心功能	关键参数	场景
local_max/local_min	提取灰度极值点	-	检测亮点 / 暗点（如焊点、缺陷）
critical_points_sub_pix	亚像素级关键点提取	'facet' 提取算法	高精度特征点定位
orientation_region/orientation_points_xld	提取区域 / 轮廓方向	-	目标角度校正（如文字倾斜）
min_max_gray	提取区域灰度极值	-	目标灰度特征分析
area_center_xld	计算轮廓中心坐标	-	目标定位（如零件中心）
gray_histo	计算灰度直方图	-	阈值选择的依据

8. 可视化与交互算子

用于图像显示、交互操作（如鼠标取点）。

表格

算子	核心功能	关键参数	场景
dev_set_color/dev_set_draw/dev_set_shape	设置显示颜色 / 填充方式 / 形状	'cyan'/'margin'/'ellipse'	可视化区分不同目标
dev_set_part	设置显示区域	行 / 列范围	聚焦显示感兴趣区域
get_mposition	获取鼠标坐标	窗口句柄	交互选择 ROI
paint_xld/paint_gray	绘制轮廓 / 灰度图像	颜色 / 灰度值	可视化处理结果

二、关键使用示例

示例 1：图像相减找差异（缺陷检测）

hdevelop

* 读取基准图和检测图
read_image(Image1, 'reference.png')
read_image(Image2, 'test.png')
* 转换为整型（避免相减溢出）
convert_image_type(Image1, ImageConverted1, 'int2')
convert_image_type(Image2, ImageConverted2, 'int2')
* 图像相减（Image1 - Image2）
sub_image(ImageConverted1, ImageConverted2, ImageSub, 1, 0)
* 转换回8位灰度图，便于后续处理
convert_image_type(ImageSub, ImageSub8, 'byte')
* 阈值分割提取差异区域
bin_threshold(ImageSub8, Regions)
* 筛选有效缺陷区域（面积过滤）
select_shape_std(Regions, DefectRegions, 'max_area', 70)

示例 2：提取圆形轮廓并拟合

hdevelop

* 读取图像并预处理
read_image(Image, 'circle.png')
median_rect(Image, ImageMedian, 5, 5)  * 降噪
* 提取边缘
lines_gauss(ImageMedian, Lines, 1.5, 1, 8, 'light', 'true', 'true', 'true')
* 筛选圆形相关轮廓
select_contours_xld(Lines, SelectedContours, 'closed', 0, 20, 0, 0)
* 拟合成圆，获取圆心和半径
fit_circle_contour_xld(SelectedContours, 'ahuber', -1, 2, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)
* 可视化结果
dev_set_color('red')
gen_circle_contour_xld(ContCircle, Row, Column, Radius, 0, rad(360), 'positive', 1.0)
dev_display(ContCircle)

示例 3：3D 位姿转换（机械手抓取）

hdevelop

* 生成3D单位矩阵
hom_mat3d_identity(HomMat3DIdentity)
* 绕Z轴旋转（抓取角度）
hom_mat3d_rotate(HomMat3DIdentity, rad(90), 'z', 0, 0, 0, HomMat3D_RZ)
* 平移到目标位置
hom_mat3d_translate(HomMat3D_RZ, 100, 200, 50, HomMat3D_Trans)
* 转换为机器人位姿
hom_mat3d_to_pose(HomMat3D_Trans, PoseGrasp)

---

总结

1. 核心分类：这些算子可分为图像运算、滤波增强、区域分割、轮廓处理、矩阵变换、特征提取、可视化 7 大类，覆盖视觉处理全流程；
2. 关键技巧：
   • 图像运算前需用convert_image_type转换数据类型，避免溢出；
   • 分割前优先滤波降噪（如median_rect），提升分割准确性；
   • 轮廓处理后需筛选（select_contours_xld），过滤无效轮廓；
3. 典型场景：图像相减用于缺陷检测、轮廓拟合用于尺寸测量、矩阵变换用于视觉引导，是工业视觉最常用的三类场景。