1：sobel_amp — sobel_amp计算图像的一阶导数，用作边缘检测器。
函数：sobel_amp(Image : EdgeAmplitude : FilterType, Size : )
参数：
Image （in）：输入图像
EdgeAmplitude （out）：边缘振幅图像
FilterType（in）：过滤器类型。默认值：‘thin_sum_abs’
Size （in）：过滤淹模尺寸（一般数值越大，提取的轮廓边缘越暗）。默认值：3
核心代码：配合提取区域骨架，用skeleton骨骼化边缘成1像素宽度
read_image (Image, 'fabrik') sobel_amp (Image, EdgeAmplitude, 'sum_abs', 3) threshold (EdgeAmplitude, Region, 10, 255) skeleton (Region, Skeleton) dev_display (Image) dev_set_color ('red') dev_display (Skeleton)
检测效果：
注：与sobel_amp 相似的边缘检测算子还有roberts、kirsch_amp、prewitt_amp、robinson_amp、frei_amp （较roberts算子提取效果稍好一些）等，都是通过计算图像的一阶导数来获取图像的边缘信息。
2：edges_image — 使用Deriche, Lanser, Shen或Canny过滤器提取边缘（相对来说edges_image 包含了上述的操作，因为提取出的边缘是1像素宽度）
函数：edges_image(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : )
参数：
Image （in）：输入图像
ImaAmp（out）：输出边缘图像
ImaDir（out） ：图像边缘方向
Filter（in）：要应用的边缘算子，默认值：‘canny’
Alpha（in）：值越小，图像越平滑，细节特征越少(与“canny”相反)。建议: 0.1, 0.2, 0.3, 0.4, 0.5, 0.7, 0.9,1.0(默认), 1.1
NMS（in）：非最大抑制(如果不需要，“无”)
Low（in）：较低的阈值用于滞后阈值操作
High （in）：迟滞阈值操作的上限阈值
核心代码：
edges_image (Image, ImaAmp, ImaDir, 'lanser2', 0.5, 'nms', 8, 16) threshold (ImaAmp, Region, 8, 255) skeleton (Region, Skeleton)
效果：
3.bandpass_image — 使用带通滤波器的边缘提取
函数：bandpass_image(Image : ImageBandpass : FilterType : )
参数：
Image （in）：输入图像
ImageBandpass （out）：输出边缘图像
FilterType （in） ：过滤器类型:目前只支持“lines”
效果：
注：在提取线条并进行二值化之后，发现线条断断续续，可使用算子close_edges — 利用边缘振幅图像缩小边缘间隙。（相似算子close_edges_length）
4.laplace — 拉普拉斯用拉普拉斯算子对输入图像进行滤波(对图像进行滤波，然后提取零交叉点）.
函数：laplace(Image : ImageLaplace : ResultType, MaskSize, FilterMask : )
参数：
Image （in）：输入图像
ImageLaplace （out）：Laplace-filtered结果图像
ResultType（in）：类型
MaskSize（in）：过滤掩膜的大小
FilterMask （in）：滤波器掩模用于拉普拉斯算子
核心代码：
laplace (Image, ImageLaplace_3, 'signed', 3, 'n_8_isotropic') zero_crossing (ImageLaplace_3, RegionCrossing_3) laplace (Image, ImageLaplace_11, 'signed', 11, 'n_8_isotropic') zero_crossing (ImageLaplace_11, RegionCrossing_11) laplace_of_gauss (Image, ImageLaplaceG, 5) zero_crossing (ImageLaplaceG, RegionCrossingG)
效果：
相似滤波算子还有diff_of_gauss、laplace_of_gauss、derivate_gauss等，根据实际效果选择合适算子。
核心思想：对图像进行滤波之后，再从图像中提取零交叉。
5 .MS_LineDetecter — 本人封装的一个halcon算子，可以根据需求拟合求物体的直线、圆、椭圆等边缘轮廓，这里我主要使用其求物体的直线边缘轮廓。
函数：MS_LineDetecter(ImageIn : : iLineRow1, iLineCol1, iLineRow2, iLineCol2, iSigma, iThreshold : oLineRow1, oLineCol1, oLineRow2, oLineCol2)
参数：
ImageIn（in）：输入图像
iLineRow1（in）：直线的起始段行坐标
iLineCol1（in）：直线的起始段列坐标
iLineRow2（in）：直线的结束段行坐标
iLineCol2（in）：直线的结束段列坐标
iSigma（in）：测量矩形的平滑性
iThreshold（in）：测量矩形的最小边缘幅度
oLineRow1（out）：直线的起始段行坐标
oLineCol1（out）：直线的起始段列坐标
oLineRow2（out）：直线的结束段行坐标
oLineCol2（out）：直线的结束段列坐标
封装函数内的代码：
gen_cross_contour_xld (Cross1, iLineRow1, iLineCol1, 6, 0.785398) gen_cross_contour_xld (Cross2, iLineRow2, iLineCol2, 6, 0.785398) distance_pp (iLineRow1, iLineCol1, iLineRow2, iLineCol2, Distance) angle_lx (iLineRow1, iLineCol1, iLineRow2, iLineCol2, Angle) tuple_deg (Angle, Deg) scale_image_max (ImageIn, Image) measureRectNum:=20 measureRectWidth:=Distance/measureRectNum measureRectHeight:=20 get_image_size (Image, Width, Height) row:=[] col:=[] for Index := 0 to measureRectNum by 1 gen_rectangle2 (Rectangle, iLineRow1+cos(Angle+rad(90))*measureRectWidth*Index, iLineCol1+sin(Angle+rad(90))*measureRectWidth*Index, \ Angle+rad(90), measureRectHeight,measureRectWidth/2) gen_measure_rectangle2 (iLineRow1+cos(Angle+rad(90))*measureRectWidth*Index, iLineCol1+sin(Angle+rad(90))*measureRectWidth*Index, \ Angle+rad(90), measureRectHeight,measureRectWidth/2, Width, Height, 'nearest_neighbor', MeasureHandle) measure_pos (Image, MeasureHandle, iSigma, iThreshold, 'all', 'all', RowEdge, ColumnEdge, Amplitude, Distance1) row:=[row,RowEdge] col:=[col,ColumnEdge] gen_cross_contour_xld (Cross, RowEdge, ColumnEdge, 6, Angle) endfor gen_contour_polygon_xld (Contour, row, col) fit_line_contour_xld (Contour, 'tukey', -1, 0, 5, 2, oLineRow1, oLineCol1, oLineRow2, oLineCol2, Nr, Nc, Dist) gen_contour_polygon_xld (Contour1, [oLineRow1,oLineRow2], [oLineCol1,oLineCol2]) return ()
实战：
draw_line (200000, Row1, Column1, Row2, Column2) MS_LineDetecter (Image, Row1, Column1, Row2, Column2, 1, 50, oLineRow1, oLineCol1, oLineRow2, oLineCol2) gen_contour_polygon_xld (Contour1, [oLineRow1,oLineRow2], [oLineCol1,oLineCol2])
效果：
未完待续。。。
