图像二值化的目的概括来说就是将感兴趣区域与背景分离出来，从而便于图像的进一步处理。除了常规阈值分割算子threshold，下面介绍一些halcon中另一些常用的图像阈值分割算子：
- dyn_threshold— 使用动态阈值分割（一般在缺陷检测的时候使用）
描述 ：当前背景之间差异明显时，可以设定全局阈值进行threshold，但很多情况下由于背景不均一，目标体经常表现为比背景局部亮一些或暗一些，无法通过标准阈值进行分割操作，这时需要通过其邻域找到一个合适的阈值进行分割，
如图：由于图像的灰度值变化不均一，没法通过固定阈值（蓝色线）提取到我们想要的山顶部分（感兴趣区域），因为阈值设的高会遗漏我们想要的阈值低的区域；阈值设的低又得到太多的干扰区域。这时候可以考虑使用动态阈值分割对其进行提取。
函数：dyn_threshold(OrigImage, ThresholdImage : RegionDynThresh : Offset, LightDark : )
参数：
OrigImage（in）：需要进行阈值分割的原始图像
ThresholdImage （in）：在实际使用过程中通常都是对原图像OrigImage进行一次平滑处理(mean_image/gauss_image/binomial_filter等)，然后用平滑处理之后得到的图像作为参考图像
RegionDynThresh（out）：对原图进行阈值分割后输出图像
Offset（in）：是一个阈值调节值，设定邻域比较的区间范围，灰度值变化在offset范围内均是可以接受的。
LightDark（in） ：dark’, ‘light’, ‘equal’, ‘not_equal’一共有4种选择，这是原图相对于ThresholdImage 而言的，如果‘light’，则提取原图相对于参考图中亮一些的部分，提取的范围由Offset参数确定。
处理步骤一般使用动态阈值分割时，先将图像做一下均值滤波，然后将原图（灰度值黑色线）与均值滤波后的图像（灰度值绿色线）作差，最后在对面积进行一下筛选，这样就可以得到我们想要的红色区域部分了。
但是，均值滤波图像时，选择的参数也需要根据图像的灰度值变化程度来看，就上面图像来看，如果均值滤波图像时参数过小，可能滤波之后的图像灰度值变化会变成下面的情况（黄色），导致提取山顶部分的效果也不会太好。
