少有人走的路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Region区域在水平方向和垂直方向的灰度值投影。
histo_2dim ( Regions, ImageCol, ImageRow : Histo2Dim : : )
计算二通道灰度图像的直方图
intensity ( Regions, Image : : : Mean, Deviation )
计算region区域的灰度平均值和偏差
min_max_gray ( Regions, Image : : Percent : Min, Max, Range )
计算Region区域的最大最小灰度值。
Range：最大灰度值和最小灰度值之间的差距
moments_gray_plane ( Regions, Image : : : MRow, MCol, Alpha, Beta,Mean )
计算平面的灰度矩阵和灰度值的逼近参数。
plane_deviation ( Regions, Image : : : Deviation )
逼近的图象平面计算灰度值偏差
select_gray ( Regions, Image : SelectedRegions : Features, Operation,Min, Max : )
根据灰度值选择区域
Features∈{area、row、column、ra、rb、phi、min、max、mean、deviation、plane_deviation、anisotropy、entropy、fuzzy_entropy、fuzzy_perimeter、moments_row、moments_column、alpha、beta}
Operation∈{and、or}
shape_histo_all ( Region, Image : : Feature : AbsoluteHisto,RelativeHisto )
shape_histo_point ( Region, Image : : Feature, Row,Column : AbsoluteHisto, RelativeHisto )
获取阈值特征直方图
Feature∈{connected_components、convexity、compactness、anisometry、holes}
read_image (Image, 'G:/Halcon/机器视觉/images/bin_switch/bin_switch_3.png')
regiongrowing (Image, Regions, 3, 3, 1, 500)
area_center_gray (Regions, Image, Area, Row, Column)
cooc_feature_image (Regions, Image, 6, 0, Energy, Correlation, Homogeneity, Contrast)
elliptic_axis_gray (Regions, Image, Ra, Rb, Phi)
entropy_gray (Regions, Image, Entropy, Anisotropy)
estimate_noise (Image, 'mean', 20, Sigma)
fit_surface_first_order (Regions, Image, 'regression', 5, 2, Alpha, Beta, Gamma)
fit_surface_second_order (Regions, Image, 'regression', 5, 2, Alpha1, Beta1, Gamma1, Delta, Epsilon, Zeta)
fuzzy_entropy (Regions, Image, 0, 255, Entropy1)
fuzzy_perimeter (Regions, Image, 0, 255, Perimeter)
gen_cooc_matrix (Regions, Image, Matrix, 6, 0)
dev_set_paint ('histogram')
gray_projections (Regions, Image, 'simple', HorProjection, VertProjection)
histo_2dim (Regions, Image, Image, Histo2Dim)运行结果：
由于特征参数是分类器的训练特征要用到的，所以非常重要。
勇哥把常见的总结一下如下表：
1、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）。
2、 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
3、 cooc_feature_matrix ( CoocMatrix : : : Energy, Correlation, Homogeneity, Contrast )
根据共生矩阵计算灰度特征值
4、elliptic_axis_gray ( Regions, Image : : : Ra, Rb, Phi )
计算Image图像的Region区域的Ra，Rb和Phi。
5、 entropy_gray ( Regions, Image : : : Entropy, Anisotropy )
Image图像中Region区域的计算熵Entropy和各向异性Anisotropy。
6、 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}、
7、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
8、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。
9、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
10、fuzzy_perimeter ( Regions, Image : : Apar, Cpar : Perimeter )
计算Region区域的模糊周长
11、gen_cooc_matrix ( Regions, Image : Matrix : LdGray, Direction : )
生成Image图像Region区域的共生矩阵
12、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。
13、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、
14、gray_projections ( Region, Image : : Mode : HorProjection, VertProjection )
计算Region区域在水平方向和垂直方向的灰度值投影。
15、histo_2dim ( Regions, ImageCol, ImageRow : Histo2Dim : : )
计算二通道灰度图像的直方图
16、intensity ( Regions, Image : : : Mean, Deviation )
计算region区域的灰度平均值和偏差
17、min_max_gray ( Regions, Image : : Percent : Min, Max, Range )
计算Region区域的最大最小灰度值。 Range：最大灰度值和最小灰度值之间的差距
18、moments_gray_plane ( Regions, Image : : : MRow, MCol, Alpha, Beta, Mean )
计算平面的灰度矩阵和灰度值的逼近参数。
19、plane_deviation ( Regions, Image : : : Deviation )
逼近的图象平面计算灰度值偏差
20、select_gray ( Regions, Image : SelectedRegions : Features, Operation, Min, Max : )
根据灰度值选择区域
Features∈{area、row、column、ra、rb、phi、min、max、mean、deviation、plane_deviation、\
anisotropy、entropy、fuzzy_entropy、fuzzy_perimeter、moments_row、moments_column、alpha、
beta} Operation∈{and、or}
21、shape_histo_all ( Region, Image : : Feature : AbsoluteHisto, RelativeHisto )
22、shape_histo_point ( Region, Image : : Feature, Row, Column : AbsoluteHisto, RelativeHisto )
获取阈值特征直方图 Feature∈{connected_components、convexity、compactness、anisometry、holes}关于Region相关操作请参考下面贴子：
Region相关算子总结 http://47.98.154.65/?id=1138
---------------------
作者：xinrui_hhuc
来源：CSDN
原文：https://blog.csdn.net/xinrui_hhuc/article/details/6131394
版权声明：本文为博主原创文章，转载请附上博文链接！
