Halcon提取边缘线段lines_gauss 算子

edges_color_sub_pix和edges_sub_pix两个算子使用边缘滤波器进行边缘检测。还有一个常用的算子lines_gauss算子，也可以用于提取边缘线段，它的鲁棒性非常好，提取出的线段类型是亚像素精度的XLD轮廓。其原型如下：

lines gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth,  LineModel, CompleteJunctions :)

其各参数含义如下。
参数1：Image为输入的单通道图像。
参数2：Lines 为输出的一组亚像素精度的XLD轮廓线条。
参数3：Sigma 为输入的高斯平滑的值。较大的平滑值会使图像平滑的力度更大，但过度平滑也可能导致提取的线条位置有偏差。默认为1.5。在需要提取线条宽度时，Sigma 的值应根据要提取的线条宽度进行调节，最小值应不小于w13（w为线条宽度，即线条直径的一半）。例如，对于宽度为4的线条，Sigma值应不小于2.3。
参数4和5：Low和High 为输入参数，分别表示滞后阈值的低阈值和高阈值。高阈值越低,边缘线条的细节会越丰富。如果Sigma选得比较大，闽值就应选择较低的高阈值和较高的低阈值。因为选择的Sigma越大，二阶导数就越小。低阈值和高阈值也可以根据要提取的线的相应灰度对比度和Sigma参数值进行计算。
参数6：LightDark为输入参数，表示提取较亮的线条还是较暗的线条。默认为light，即提取较亮线条。
参数7：ExtractWidth为输入参数，表示是否需要提取线条的宽度。默认为true，即提取每条线段的宽度值。
参数8：LineModel为输入参数，表示调整线条位置和宽度的线段模型。可选的有 bar-shaped（条型)、gaussian(高斯型）、parabolic(抛物线型）。默认为条型，大多数应用场景都可以选择该选项。如果是背光比较强的情况，可以考虑另外两种模型。其中，当图像中的线条比较清晰明锐时，可以选择抛物线型；如果不是特别清晰，可以选择高斯型。注意，LineModel 仅在ExtractWidth为true时才有意义。
参数9：CompleteJunctions为输入参数，表示是否添加连接，用于边缘线段不连续的情况，默认为true。因为某些非连通线段无法通过边缘提取器进行提取，所以这里设为true，即可使用其他方式尝试对非连续部分进行连接。注意，如果线条的宽度过大，建议先对图像进行一定比例的缩小，以减少过度计算消耗的时间。
图（a）为lines_gauss算子输入的单通道图像，图（b）为使用lines_gauss算子进行边缘检测的结果。这里选用了bar-shaped进行边缘滤波处理，低阈值为1，高阈值为8。

实现代码如下：

read_image (Image,'data/flower')
rgbl_to_gray (Image, GrayImage)
dev_open_window (0, 512, 512, 512, 'black', WindowHandle1)
*进行边缘检测
lines_gauss(GrayImage,Lines,1.5,1,8,'light','true','bar-shaped','true')
*在窗口中将轮廓线条绘制出来
dev_set_color ('red')
dev_clear_window ()
dev_display (Lines)

本例中使用lines_gauss 算子进行边缘检测。需要注意的是，lines_gauss算子的响应速度不算快，如果边缘的高阈值设置得偏低，会导致需要计算的边缘增多，可能会有明显的卡顿。
也有一个与lines_gauss算子类似的、针对彩色多通道图像的算子，即lines_color算子。该算子的参数与lines_gauss算子相似，用于提取彩色的边缘线条。值得一提的是，如果该算子的ExtractWidth参数设为false，那么返回的线条中将会包含其他属性，如线条的角度、二阶导数的梯度等。