前言

形态学运算

形态学运算是基于图像形状的一组非线性操作，通过结构元素与图像进行卷积，实现膨胀、腐蚀、开闭运算等。常用于图像预处理、去噪、特征提取。

膨胀

dilation_circle(Region : RegionDilation : Radius : )
参数：Region 输入的需要进行膨胀操作的Region ；RegionDilation 是输出的膨胀完成的Region ；由于该算子用圆形卷积核，Radius 是半径大小

• 膨胀（Dilation）：就是求局部最大值的操作。
  解释：这里面的局部指的是核的大小，例如核大小是3*3的，则二值化的图像在核的范围内取最大值；
  作用：可以填充孔洞、连接断裂区域。

腐蚀

erosion_circle(Region : RegionErosion : Radius : )
参数：Region 输入的需要进行腐蚀操作的Region ；RegionErosion 是输出的腐蚀完成的Region ；由于该算子用圆形卷积核，Radius 是半径大小；

• 腐蚀（Erosion）：就是求局部最小值的操作。
• 解释：这里面的局部指的是核的大小，例如核大小是3*3的，则二值化的图像在核的范围内取最小值；
• 作用：可以去除噪声，消除小于结构元素的噪声点

膨胀腐蚀程序展示

*程序运行前图像化窗口和设置的恢复 dev_close_window()dev_clear_window()dev_set_color('white')dev_set_draw('fill')dev_set_line_width(1)*读图片 read_image(Image,'pellets')threshold(Image,Dark,120,255)*腐蚀 erosion_circle(Dark,RegionErosion,7.5)*膨胀 dilation_circle(RegionErosion,RegionDilation,7.5)*窗口1：原图 dev_open_window(0,0,400,300,'black',W1)dev_display(Image)disp_message(W1,'原始图像','window',10,10,'black','true')*窗口2：阈值二值区域 dev_open_window(0,420,400,300,'black',W2)dev_display(Dark)disp_message(W2,'阈值分割','window',10,10,'black','true')*窗口3：腐蚀 dev_open_window(320,0,400,300,'black',W3)dev_display(RegionErosion)disp_message(W3,'腐蚀','window',10,10,'black','true')*窗口4：膨胀 dev_open_window(320,420,400,300,'black',W4)dev_display(RegionDilation)disp_message(W4,'膨胀','window',10,10,'black','true')

运行结果：

从以上运行结果可以看出腐蚀可以消除小于核的噪点，膨胀可以消除孔洞，链接断裂区域；

开运算

opening_circle(Region : RegionOpening : Radius : )
参数：Region 输入的需要进行开运算操作的Region ；RegionOpening 是输出的开运算完成的Region ；由于该算子用圆形卷积核，Radius 是半径大小；

• 开运算（Opening）：先腐蚀后膨胀；
  作用：去掉小噪点、孤立小点，物体整体大小几乎不变。适合：阈值后消除背景噪声斑点

闭运算

closing_circle(Region : RegionClosing : Radius : )
参数：Region 输入的需要进行闭运算操作的Region ；RegionClosing 是输出的闭运算完成的Region ；由于该算子用圆形卷积核，Radius 是半径大小；

• 闭运算（Closing）：先膨胀后腐蚀；
  作用：填补物体内部小孔、小缝隙，把目标内部小洞补上。适合：目标里面有黑洞孔洞。

开闭运算程序展示

dev_close_window()dev_clear_window()dev_set_color('white')dev_set_draw('fill')dev_set_line_width(1)read_image(Image,'pellets')threshold(Image,Dark,120,255)*开运算 opening_circle(Dark,RegionOpening,3.5)*闭运算 closing_circle(Dark,RegionClosing,3.5)*窗口1：原图 dev_open_window(0,0,400,300,'black',W1)dev_display(Dark)disp_message(W1,'原始图像','window',10,10,'black','true')*窗口2：阈值二值区域 dev_open_window(0,420,400,300,'black',W2)dev_display(RegionOpening)disp_message(W2,'阈值分割','window',10,10,'black','true')*窗口3：腐蚀 dev_open_window(320,0,400,300,'black',W3)dev_display(RegionClosing)disp_message(W3,'腐蚀','window',10,10,'black','true')

运行结果：
开运算结果和原图对比：

由以上图片结果可以看到开运算消除了背景上的零星小白点；
闭运算结果和原图对比：

由以上图片结果可以看到闭运算消除了目标里面的小孔洞，没有消除背景上的小白点；

顶帽

顶帽和底帽用于提取图像中的亮细节或暗细节。

顶帽（Top Hat）：原图与开运算结果的差值，突出亮前景。

• 公式：顶帽 = 原图 − 开运算
• 作用：提取小的凸起碎块、小连通域，这些碎块小于结构元；大于结构元的物体会被过滤掉

read_image(Image,'D:/learn/halcon/4.png')threshold(Image,Region,30,255)gen_circle(SE,20,20,3)*top_hat拿到被开运算去掉的碎点 top_hat(Region,SE,RegionTopPart)dev_open_window(0,0,300,300,'black',W1)dev_display(Region)disp_message(W1,'阈值region：','window',10,10,'red','true')dev_open_window(0,320,300,300,'black',W1)dev_display(RegionTopPart)disp_message(W1,'顶帽：','window',10,10,'red','true')

运行结果：

底帽

底帽（Black Hat）：闭运算结果与原图的差值，突出暗区域。

• 公式：bottom_hat = closing(Region) − Region
• 作用：提取闭运算填补上的孔洞、缝隙。只拿到被闭运算填掉的那一小块区域，不是处理整张灰度图。

read_image(Image,'D:/learn/halcon/5.png')threshold(Image, Region,0,30)gen_circle(SE,20,20,3)*底帽 bottom_hat(Region, SE, RegionBottomHat)* opening得到清理后的完整区域 * opening_circle(Region, RegionClean,3.5)* count_obj(RegionTopPart, N)*N=0代表没有毛刺可以提取，top_hat自然输出空 dev_open_window(0,0,300,300,'black', W1)dev_clear_window()dev_display(Image)disp_message(W1,'阈值region：','window',10,10,'red','true')dev_open_window(0,320,300,300,'black', W2)dev_clear_window()dev_display(RegionBottomHat)disp_message(W1,'顶帽：','window',10,10,'red','true')

Blob连通域分析

Blob（Binary Large Object），在机器视觉里 = 图像中的一块连通前景区域，也就是连通域。
通俗理解：图像里，和背景颜色 / 灰度不一样、互相挨在一起的一团像素，就叫一个 Blob。
比如图片里几颗黑色颗粒，每一颗颗粒就是 1 个 Blob。

1. 举例解释Blob
   一张图有 3 个分开的零件：
   threshold()阈值分割完，返回1个Region 对象，把3个零件全部打包在一起；
   调用connection() → 输出 3 个 Region，3 个 Blob，3 个连通域。
   不执行 connection，你拿到的不是 3 个 Blob，是一个大合并区域，后续算面积、重心全部出错。

2. Blob连通域分析流程
   Blob 分析 = Blob 连通域分析整套流程：
   （1）图像滤波
   （2）阈值分割，分出前景背景
   （3）connection 拆分出每一个 Blob
   （4）根据面积、圆度、长宽筛选 Blob，去掉噪声小点
   （5）计算每个 Blob 的位置、大小、角度
   适用场景：颗粒计数、孔洞检测、工件定位、印刷污点检测。

3. 容易混淆点
   （1）Blob 不是图像，是Region 区域对象（Halcon 的 Region 数据类型，不是 Image）
   （2）Blob 只关心像素是否相连，不关心像素灰度值，灰度已经在阈值阶段过滤完了。

4. 简单一句话总结
   Blob = 二值图像中，相互连通的一团前景像素。Blob 分析就是提取、筛选、测量这一团团斑点。

以上内容如果帮到您请点赞收藏，如果有错误欢迎指正！