Halcon区域的灰度特征值gray_features

Halcon区域的灰度特征值

gray_features 算子用于计算指定区域的灰度特征值。其输入是一组区域，每个区域的特征都存
储在一组value数组中。
典型的基于灰度值的特征如下：
（1）area：灰度区域面积。
（2）row：中心点的行坐标。
（3）colum：中心点的列坐标。
（4）ra：椭圆的长轴。
（5）rb：椭圆的短轴。
（6）phi：等效椭圆的角度。
（7）min：灰度的最小值。
（8）max：灰度的最大值。
（9）mean：灰度的均值。
（10）deviation：灰度值的偏差。
（11）plane_deviation：近似平面的偏差。
gray _features算子的原型如下：

gray_features ( Regions, Image : : Features : Value )

其各参数的含义如下。
参数1：Regions（输入参数），表示要检查的一组区域。
参数2：Image（输入参数），表示灰度值图像。
参数3：Features（输入参数），表示输入的特征的名字，详见9.1.3小节的介绍。
参数4：Value（输出参数），表示输出的特征的值。
gray_features算子能将输入的各区域按照某种特征进行信息提取。下面是一个使用gray features 算子进行特征提取的例子，如图所示。图（a）为输入的灰色图像，这是一幅视差图像。视差图像的特点是，用灰度值表现对象的深度信息。灰度值小的，表示物体距离拍摄平面远,反之则近。这里使用gray_features算子提取最大和最小的灰度信息，用于推算目标的深度。提取完成后，在控制变量窗口可以看到最小和最大的灰度值，如图（b）所示。

上述过程的代码如下：

*读取图像，这里输入的是一幅单通道灰度图，内容是一幅算法生成的视差图像
read_image (Image,'E:/Doc/MV/pics/disparity.jpg')
*对图像进行阈值处理，这里主要是为了将图像转化为区域
threshold (Image, Region, 1, 255)
*提取区域中的最小灰度值
gray_features (Region, Image, 'min', MinDisp)
*提取区域中的最大灰度值
gray_features (Region, Image, 'max', MaxDisp)

该例输入的是一幅视差图像，是基于同一场景的两个视点的图像生成的。通过提取图像中的最大灰度值和最小灰度值，可以计算视差，进而进行深度估计。