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 Laplace2.2 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_pix3.2 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 XLDExtended 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_imageHALCON 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 MarginRegion。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 XLDExtended 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五、总结本文围绕边缘检测与轮廓提取系统介绍了从图像边缘信息获取到几何轮廓表达的完整流程包括 Sobel 与 Laplace 等基础边缘检测方法以及基于图像的边缘检测edges_image与基于轮廓的提取方法edges_sub_pix、gen_contour_region_xld。边缘与轮廓处理的核心不在于某一个算子而在于明确“输出形式”的选择。实际应用中通常根据任务需求在“边缘图像”与“几何轮廓”之间进行取舍边缘检测用于刻画灰度变化而轮廓提取则用于精确描述目标边界从而支撑后续的形状分析与几何测量。在下一篇中将进一步介绍基于轮廓的几何分析方法如轮廓特征计算与形状拟合等内容实现从“边界提取”到“结构分析”的进一步提升。【本节完】版权声明转发必须注明原文链接【HALCON 实战入门】11. 边缘检测与轮廓提取 (https://youcans.blog.csdn.net/article/details/160326743)Copyright by youcansqq.comCrated2026-04