跳转至

04 区域特征与 select_shape 筛选#

一句话总结

select_shape 是 HALCON 的"筛子"：对每个候选区域算出你指定的若干特征，全部落在 [Min, Max] 区间内（'and'）或至少一个落在区间内（'or'）的区域才被保留。

源文件： note/03二值化处理.hdev、note/04套环检测.hdev 配套资料： note/讲义.docx 中的特征清单（本笔记已完整整理并补充说明）

一、算子签名与参数#

select_shape (Regions, SelectedRegions, Features, Operation, Min, Max)
位置 参数 类型 说明
输入 Regions region-array 候选区域（通常是 connection 的输出）
输出 SelectedRegions region-array 保留下来的区域
输入 Features string-tuple 要检查的特征名，如 ['area','width']
输入 Operation string 'and'（全部满足）或 'or'（满足其一）
输入 Min number-tuple 每个特征的下限，与 Features 一一对应
输入 Max number-tuple 每个特征的上限，与 Features 一一对应

三条铁律：

  1. Features、Min、Max 三个元组长度必须完全一致，第 i 个特征对应第 i 个上下限。
  2. 上下限是闭区间：Min ≤ value ≤ Max 才保留。
  3. 边界可写字符串 'min' / 'max' 表示"不设下限/不设上限"。
* 单特征：只筛面积
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 3500, 8107.97)

* 多特征 'and'：面积、宽度、高度 三个条件同时成立
select_shape (ConnectedRegions, SelectedRegions, \
              ['area','width','height'], 'and', \
              [527.98, 38.54, 54.38], [10454.1, 63.89, 1000])

* 开口区间：面积 >= 500，上不封顶
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 500, 'max')

'and' 与 'or' 的语义

  • 'and'：所有特征都要在各自区间内（取交集，越筛越少）—— 工业筛选 99% 用这个。
  • 'or'：只要有一个特征在区间内就保留（取并集，越筛越多）—— 用于"大而圆 或 小而长"这类组合条件。

二、区域特征全表#

下表按"用途"重新归类，比 HALCON 文档的字母序好记得多。加粗的是最常用的。

2.1 位置与尺寸（最常用）#

特征名 含义 备注
'area' 区域面积（像素数） 最核心的筛选依据，单位是像素
'row' 质心的行坐标 按位置筛选（如"只要上半区"）
'column' 质心的列坐标 按位置筛选
'width' 外接矩形宽度（平行于坐标轴） 即水平方向尺寸
'height' 外接矩形高度（平行于坐标轴） 即垂直方向尺寸
'ratio' 高宽比 height / width 判断瘦长物体
'row1' 外接矩形左上角行坐标 与 row2 配对使用
'column1' 外接矩形左上角列坐标
'row2' 外接矩形右下角行坐标
'column2' 外接矩形右下角列坐标

上下左右别搞混

HALCON 文档写的是 "upper left corner"（左上角） 与 "lower right corner"（右下角），因为 Row 向下增大。所以 row1 < row2、column1 < column2 恒成立。

2.2 形状相似度（判"像不像圆/椭圆/矩形"）#

特征名 含义 计算与取值
'circularity' 圆度：与圆的相似程度 \(C = \min\left(1,\ \dfrac{F}{\max^2 \cdot \pi}\right)\)，F 为面积，max 为中心到轮廓像素的最大距离。越接近 1 越像圆
'roundness' 圆度（轮廓均匀度） 由轮廓到中心距离的均值 dist_mean 与标准差 dist_deviation 决定。越接近 1 越圆
'compactness' 紧密度 \(C = \dfrac{P^2}{4\pi F}\)（P 为轮廓长）。圆 = 1，越细长/越粗糙 → 越大
'convexity' 凸度 区域面积 / 凸包面积。完全凸 = 1，有凹陷 < 1
'rectangularity' 矩形度 区域面积 / 最小外接矩形面积。越接近 1 越"方"
'anisometry' 等效椭圆的轴比 长轴/短轴，越大越细长
'bulkiness' 松弛度（膨胀度） 与 anisometry、struct_factor 同源（见 eccentricity）
'struct_factor' 结构因子 同上
'num_sides' 多边形边数 用于区分三角形/四边形
'contlength' 轮廓长度 区域边界总长（单位像素）
'dist_mean' 区域边界到中心的平均距离 roundness 的中间量
'dist_deviation' 区域边界到中心距离的偏差 同上

circularity 与 roundness 的区别（重要，容易混）

两者中文都常译作"圆度"，但算法和用途完全不同：

circularity roundness
依据 面积 vs 最小外接圆面积 轮廓到中心距离的均值与标准差
侧重点 整体"填满外接圆"的程度 轮廓的均匀性
判断圆形斑点 推荐用这个 正方形、窄边圆环也会接近 1，容易误判
特例 窄边圆环 → 值很小 窄边圆环 → 值很大

结论：做缺陷检测筛圆形斑点用 'circularity'；roundness/dist_mean/dist_deviation 更适合分析轮廓均匀性。

2.3 椭圆与外接几何#

特征名 含义
'ra' 等效椭圆的长半轴
'rb' 等效椭圆的短半轴
'phi' 等效椭圆的方向（弧度，来自 elliptic_axis）
'outer_radius' 最小外接圆的半径（smallest_circle）
'inner_radius' 最大内切圆的半径（inner_circle）
'inner_width' 区域内最大内接矩形的宽度
'inner_height' 区域内最大内接矩形的高度
'rect2_phi' 最小外接矩形的方向
'rect2_len1' 最小外接矩形的半长（长边的一半）
'rect2_len2' 最小外接矩形的半宽（短边的一半）
'max_diameter' 区域最大直径（轮廓上任意两点最远距离）
'orientation' 区域的方向（弧度，来自 orientation_region）

外接 vs 内切，一句话分清

  • outer_radius 是"把区域刚好框住"的最小圆半径 → 大；
  • inner_radius 是"刚好能塞进区域里"的最大圆半径 → 小。
  • 同理 width/height 是外接矩形（框住区域），inner_width/inner_height 是内接矩形（塞进区域）。

判断"是不是有个洞/是不是空心"时，inner_radius 与 outer_radius 的比值非常有用。

2.4 拓扑结构（洞与连通性）#

特征名 含义
'connect_num' 连通组件的数目（一个区域被拆成几块）
'holes_num' 孔的数目
'area_holes' 所有孔的面积之和
'euler_number' 欧拉数 = 连通组件数 − 孔数，用一个数字描述空间完整性

欧拉数的直觉

实心块：1 个连通块、0 个孔 → 欧拉数 1；甜甜圈：1 个连通块、1 个孔 → 欧拉数 0；两个圈：2 − 2 = 0。欧拉数变化 = 拓扑结构变了，适合检测"应为实心却出现穿孔"的缺陷。

2.5 几何矩（进阶）#

特征名 含义
'moments_m11' 混合二阶矩，描述非对称性（对称区域 ≈ 0）
'moments_m20' 沿 Row 方向的二阶矩（纵向伸展）
'moments_m02' 沿 Column 方向的二阶矩（横向伸展）
'moments_ia' 长轴方向的二阶矩（主轴惯性），ia ≥ ib
'moments_ib' 短轴方向的二阶矩

几何矩的意义（讲义补充）：

  • 零阶矩 \(m_{00}\) → 反映目标面积
  • 一阶矩 → 反映目标质心位置
  • 二阶矩 → 又称惯性矩，反映伸展方向
  • 三阶矩 → 表现对均值分布偏差的测度，即扭曲度
  • 四阶矩 → 统计学中用于描述分布的峰态

ia / ib 比值常用来区分裂纹（细长 → 比值大）与孔洞（圆形 → 比值接近 1）。

三、配套筛选算子#

算子 用途 示例
select_shape_std (Regions, Sel, ShapeFeature, Percent) 按"标准形状"筛选 'max_area'（只留最大的）、'original'（与原区域相同）
select_obj (Regions, Obj, Index) 按序号取一个区域 select_obj (Regions, Obj, 1) 取第 1 个（序号从 1 开始）
select_gray (Regions, Image, Sel, Features, Op, Min, Max) 按灰度特征筛选 'mean'、'max'、'deviation'
count_obj (Objects, Number) 统计对象个数 等价于 Number := \|Area\|，但更快
sort_region (Regions, Sorted, SortMode, Order, RowOrCol) 按位置排序 ('first_point','true','column') 从左到右排序

select_obj 与元组下标差 1

select_obj 的序号从 1 开始，而元组下标 Regions[0] 从 0 开始。这是最常见的越界/错位来源。

sort_region 的排序模式：'character'、'first_point'、'last_point'、'upper_left'、'lower_left'、'upper_right'、'lower_right'。

四、参数怎么定：从"测量"到"筛选"#

新手最常问的是"上限定多少"。正确做法是先测量再筛选：

* 第一步：先不筛选，把特征全部打出来看分布
area_center (ConnectedRegions, AllArea, Row, Col)
* 在 HDevelop 的变量窗口里查看 AllArea 的值域，或者显示到窗口上
for i := 0 to |AllArea| - 1 by 1
    dev_disp_text (AllArea[i], 'image', Row[i], Col[i], 'black', [], [])
endfor
stop ()

看到真实数值分布后，再取"目标区间略宽、干扰区间之外"的值填进 Min/Max。

源码中的参数是怎么来的

03二值化处理.hdev（audi2 车标检测）： 

select_shape (ConnectedRegions, SelectedRegions, \
              ['area','width','height'], 'and', [527.98,38.54,54.38], [10454.1,63.89,1000])
- 面积 527.98 ~ 10454.1：滤掉细小的噪点块，也限制最大块 - 宽度 38.54 ~ 63.89：这是很紧的窗口，说明目标宽度相当固定 → 典型的"尺寸一致性筛选" - 高度 54.38 ~ 1000：下限卡高度、上限基本放开 - 数值带两位小数，说明是从实测数据里直接抄下来的

04套环检测.hdev（圆环计数）： 

select_shape (ConnectedRegions, SelectedRegions, \
              ['area','max_diameter','inner_radius'], 'and', [0,22.54,8.7], [213574,91.72,200])
- 面积下限 0 → 等于不限制（保留所有非空区域） - max_diameter 22.54 ~ 91.72 → 排除过小的碎块和过大的粘连块 - inner_radius 8.7 ~ 200 → 关键条件：只有"中心有足够大的空洞"的区域才算圆环，这一步把实心杂质排除掉了

五、常见坑位清单#

三个必须记住的坑

  1. 忘了 connection：'area' 变成全体像素之和，筛选完全失效。
  2. Min/Max 与 Features 长度不一致：报错或静默错位，特征和阈值张冠李戴。
  3. 同一个区域内含多个物体（没分开）：此时 'area' 是"合并面积"，会误保留。解决：connection 之后再筛，或用 connection + union1 组合。

其他注意点：

  • 空区域不报错，但特征值为 0 / 空元组，可能在后续运算中产生意外结果。
  • 筛选是逐区域判断，索引顺序保持不变，可以放心用"筛选前后的下标对应"。
  • 筛选后若还要测量，用 area_center (SelectedRegions, ...)，不要再对 ConnectedRegions 测量。

上一步：二值化与连通域分割 · 下一步：图像预处理与滤波