【HALCON 实战入门】12. 边缘检测与轮廓提取-程序员充电站

欢迎订阅【HALCON 实战入门】专栏：
1. HALCON 简介与安装
5. 相机接入与图像采集
10. 阈值分割与目标提取
11. 区域处理与分析
12. 边缘检测与轮廓提取
13. 轮廓分析与几何特征

【HALCON 实战入门】12. 边缘检测与轮廓提取

一、什么是边缘与轮廓？
二、边缘检测方法
- 2.1 Sobel 与 Laplace
- 2.2 基于图像的边缘检测（edges_image）
三、轮廓提取
- 3.1 提取亚像素轮廓（edges_sub_pix）
- 3.2 提取区域轮廓（gen_contour_region_xld）
四、边缘与轮廓方法的选择
五、总结

在上一篇【11. 区域处理与分析】中，我们已经从区域（Region）的角度出发，系统介绍了区域的特征描述、筛选方法以及区域运算与可视化，使图像中的目标能够以“区域”的形式被提取和分析。

本文将在此基础上，进一步从“边界”的角度出发，引入边缘检测与轮廓提取方法，重点关注目标的几何边界与结构信息，使图像分析从“区域表达”走向“边界表达”，为后续的形状分析与精确测量奠定基础。

一、什么是边缘与轮廓？

在图像处理中，除了用区域（Region）描述目标的“范围”，还可以通过边缘与轮廓来描述目标的“边界”。

什么是边缘（Edge）
边缘是指图像中灰度发生明显变化的位置，通常对应于物体的边界或结构变化处。
例如：物体与背景之间的分界线；表面纹理的变化；光照突变的位置。

边缘是“灰度变化”的结果，是一种像素级特征。边缘检测的目标是找出这些灰度变化较大的位置，并以图像形式表示出来（如边缘强度图）。

什么是轮廓（Contour）
轮廓是对目标边界的几何表达，通常由一系列点或曲线组成，用于描述目标的形状。
在 HALCON 中，轮廓通常以 XLD（Extended Line Description）的形式表示，具有更高的精度（可达到亚像素级）。
轮廓是“边界的几何表示”，是一种结构化数据。

边缘回答“哪里有变化”，轮廓回答“边界在哪里”。

边缘、轮廓与区域（Region）的关系

区域（Region）：目标的范围（面）
边缘（Edge）：灰度变化（像素）
轮廓（Contour）：目标边界（线）

边缘与轮廓是描述图像结构的重要方式，相比区域更加关注目标的边界信息。边缘用于检测变化，轮廓用于描述边界，是从区域分析迈向结构分析的重要一步。

二、边缘检测方法

在图像分析中，边缘检测是提取结构信息的重要步骤，其目标是找出图像中灰度变化显著的位置，从而刻画物体的边界与细节特征。与区域分割不同，边缘检测更加关注“变化的位置”，而非“区域的范围”。

2.1 Sobel 与 Laplace

常见的边缘检测方法主要基于图像灰度的变化率，可分为一阶导数与二阶导数两类。

Sobel 方法（一阶导数）
Sobel 方法通过计算图像在水平方向与垂直方向的灰度梯度，检测灰度变化较大的位置，从而提取边缘。
sobel_amp算子用于计算图像的一阶导数，实现边缘增强和边缘检测。
- 计算简单，速度快；
- 对噪声有一定抑制能力；
- 适用于一般边缘检测任务。
Laplace 方法（二阶导数）
Laplace 方法通过计算图像的二阶导数，检测灰度变化的“突变点”，通常通过零交叉来确定边缘位置。
laplace算子用于计算图像的二阶导数，实现边缘增强和边缘检测。
- 对细节敏感；
- 对噪声较为敏感；
- 常与平滑操作（如高斯滤波）结合使用。

在 9. 图像平滑与边缘增强文中已经对 Sobel 与 Laplace 算子在前文中已作详细介绍，本章不再展开其具体实现。

2.2 基于图像的边缘检测（edges_image）

HALCON 提供了更通用的边缘检测算子 edges_image，用于从图像中提取边缘信息，并以图像形式输出边缘结果。

edges_image是一种基于滤波与梯度计算的边缘检测方法，支持多种经典算法，如 Canny、Deriche、Lanser、Shen 以及 Sobel 等。

算子原型：

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

参数说明：

Image（输入对象）：输入图像，通常为单通道灰度图像；
ImaAmp（输出对象）：边缘幅值图像（边缘强度）；
ImaDir（输出对象）：边缘方向图像；
Filter（输入控制）：边缘检测方法，常用 ‘canny’、‘lanser2’、‘sobel_fast’；
Alpha（输入控制）：平滑参数，控制边缘检测的尺度；
NMS（输入控制）：是否进行非极大值抑制（细化边缘），默认值：‘ms’；
Low / High（输入控制）：双阈值参数（用于边缘筛选）.

注意事项：

edges_image 输出的是一幅边缘强度图像（Image），而不是轮廓；
通过设置非极大值抑制（NMS）与双阈值（Low / High）可以实现类似 Canny 的边缘细化效果；
不同 Filter 对应不同边缘检测算法，其中 ‘canny’ 是较常用的选择。

参考例程：

*读取图像read_image(Image,'fabrik')*边缘检测（lanser2），获取边缘强度图edges_image(Image,Amp,Dir,'lanser2',0.5,'none',-1,-1)*双阈值筛选，提取边缘区域hysteresis_threshold(Amp,Margin,20,30,30)*显示原图dev_display(Image)*设置颜色与显示方式dev_set_color('red')dev_set_draw('margin')*叠加显示边缘dev_display(Margin)

该例程展示了从图像中提取边缘并进行可视化的完整流程：

边缘检测（edges_image）
对原图进行边缘检测，得到边缘强度图 Amp。该图像以灰度形式表示边缘强度，亮度越高表示边缘越明显。
边缘筛选（hysteresis_threshold）
对边缘强度图进行双阈值筛选，提取稳定的边缘区域，得到二值边缘区域 Margin（Region）。
- 强边缘（高于高阈值）被保留；
- 弱边缘（介于低阈值与高阈值之间）在与强边缘连接时被保留；
- 噪声（低于低阈值）被去除；
结果显示（dev_display）
将边缘区域叠加在原图上显示。
运行结果如下：
- 图像中的主要结构边界被清晰提取；
- 边缘以连续曲线形式呈现。

通过 edges_image 与 hysteresis_threshold，可以从图像中提取稳定的边缘区域，并以区域形式进行后续处理与显示。

三、轮廓提取

边缘检测用于发现边界，轮廓提取用于表示边界。轮廓提取是从“边缘响应”走向“边界表达”的关键步骤。

在 HALCON 中，轮廓通常以 XLD（Extended Line Description）的形式表示。与区域（Region）相比，轮廓更关注目标的边界线；与边缘图像相比，轮廓又具有更清晰的结构表达和更高的定位精度。

3.1 提取亚像素轮廓（edges_sub_pix）

算子edges_sub_pix是一种基于滤波与梯度计算的轮廓提取方法，用于提取亚像素精度边缘轮廓，并以 XLD 轮廓形式输出。

不仅完成边缘检测，还会将边缘点连接成轮廓。
支持多种边缘检测算法，如 Canny、Deriche、Lanser、Shen 以及 Sobel 等。

算子原型：

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

参数说明：

Image（输入对象）：输入图像，通常为单通道灰度图像；
Edges（输出对象）：提取到的亚像素轮廓（XLD 对象）；
Filter（输入控制）：边缘检测方法，常用 ‘canny’、‘lanser2’、‘sobel_fast’；
Alpha（输入控制）：平滑参数，用于控制边缘提取的尺度；
Low / High（输入控制）：双阈值参数（用于边缘筛选）.

支持的边缘检测算子如下：deriche1、lanser1、deriche2、lanser2、shen、mshen、canny、sobel、sobel_fast。

注意事项：

edges_image 的输出是 XLD 轮廓，而不是图像或区域；
通过设置阈值（Low / High）可以实现类似 Canny 的双阈值边缘连接；
提取结果可进一步用于轮廓分析、拟合与测量。

参考例程：

*读取图像read_image(Image,'fabrik')*提取亚像素轮廓edges_sub_pix(Image,Edges,'lanser2',0.5,20,40)*显示原图dev_display(Image)*设置轮廓显示颜色dev_set_color('red')*叠加显示轮廓dev_display(Edges)

该例程使用 edges_sub_pix 从图像中直接提取亚像素轮廓，并将结果叠加显示在原图上。

运行结果如下：

图像中的主要边界被提取为连续的轮廓线；
相比普通边缘图像，轮廓表达更加清晰。

edges_sub_pix 是 HALCON 中最重要的轮廓提取算子，它将边缘检测与轮廓连接集成在一起，并直接输出亚像素精度的 XLD 轮廓，是从边缘检测走向几何分析的重要工具。

3.2 提取区域轮廓（gen_contour_region_xld）

在通过阈值分割、区域生长等方法得到目标区域（Region）后，也可以将区域转换为 XLD 轮廓，以便对区域边界进行轮廓分析。

算子gen_contour_region_xld用于从区域（Region）生成对应的 XLD 轮廓。算子对输入区域的每一个连通域，生成一条闭合的边界轮廓。适合在已经通过图像分割得到区域结果，但需要对区域边界进一步进行轮廓分析、边界拟合等操作。

算子原型：

HDevelop:gen_contour_region_xld(Regions:Contours:Mode:)

参数说明：

Regions（输入对象）：输入区域，region 数组对象；
Contours（输出对象）：生成的 XLD 轮廓，xld_cont 数组对象；
Mode（输入控制）：轮廓生成方式，可选方法如下：
- ‘border’：以边界像素的外边缘作为轮廓点，默认方法；
- ‘center’：以边界像素的中心点作为轮廓点；
- ‘border_holes’：除区域外轮廓外，同时提取区域内部所有孔洞的轮廓。

注意事项：

gen_contour_region_xld 的输入是区域（Region），输出是轮廓（XLD）；
该算子适用于已经完成分割得到区域、后续需要进行边界分析的场景。

参考例程：

*读取图像read_image(Image,'clip')*阈值分割得到区域threshold(Image,Region,128,255)*连通区域分解connection(Region,ConnectedRegions)*由区域生成轮廓gen_contour_region_xld(ConnectedRegions,Contours,'border')*显示原图dev_display(Image)*设置轮廓颜色dev_set_color('red')*叠加显示轮廓dev_display(Contours)

该例程首先通过阈值分割与连通分析得到区域，然后利用 gen_contour_region_xld 将区域边界转换为 XLD 轮廓，并叠加显示在原图上。

运行结果如下。

轮廓紧贴区域边界分布；
每个连通区域都对应一条闭合轮廓；

gen_contour_region_xld 用于从区域边界生成 XLD 轮廓，使区域结果能够进一步用于轮廓分析与几何处理。

四、边缘与轮廓方法的选择

在实际应用中，边缘检测与轮廓提取往往存在多种实现方式，不同方法在输出形式、精度与适用场景上各有特点。选择的关键在于：是需要“边缘图像”，还是需要“几何轮廓”。

基于图像的边缘 vs 基于轮廓的表达
在 HALCON 中，边缘信息主要有两种表示方式：
- 边缘图像（Image）：由 edges_image 得到，反映边缘强度分布；
- 轮廓（XLD）：由 edges_sub_pix 或 gen_contour_region_xld 得到，表示边界曲线；

区别在于：边缘图像适用于可视化与预处理；轮廓更适用于几何分析与测量。

轮廓提取路径
轮廓可以通过两种方式获得：
- 从图像直接提取轮廓（edges_sub_pix）
  基于灰度变化直接提取边界，具有亚像素精度，适用于精确测量与结构分析。
- 从区域生成轮廓（gen_contour_region_xld）
  依赖已有分割结果，轮廓精度受区域边界影响，适用于区域处理后的边界分析。
方法选择
在实际使用中，可根据任务需求选择合适的方法：
edges_image 用于“看边缘”，edges_sub_pix 用于“用边界”，gen_contour_region_xld 用于“从区域得到边界”。

场景	推荐方法
边缘可视化或预处理	edges_image
精确轮廓提取（测量、拟合）	edges_sub_pix
已有区域结果，需要提取边界	gen_contour_region_xld