1、auto_threshold — 使用从直方图确定的阈值分割图像

        auto_threshold使用多个阈值分割单通道图像。首先，确定灰度值的绝对直方图;然后，从直方图中提取相关的最小值，依次作为阈值分割操作的参数。用于字节图像的阈值是0,255，并从直方图中提取所有的最小值(在直方图用标准差Sigma的高斯滤波器平滑后)。对于每个灰度值区间，生成一个区域。因此，区域的数量是最小值的数量+ 1。对于uint2图像，上面的过程类似地使用。然而，这里的最高阈值是65535。此外，对于uint2图像，Sigma的值(实际上)是指256个值的直方图，尽管使用了更高分辨率的内部直方图。这样做是为了方便在图像类型之间进行切换，而不必更改参数Sigma。对于浮动图像，阈值是图像中的最小和最大灰度值，以及从直方图中提取的所有最小值。这里，参数Sigma的缩放是指图像的原始灰度值。Sigma的取值越大，提取的区域越少。如果要提取的区域显示相似的灰度值(同质区域)，则该操作符非常有用。

2、bin_threshold -使用自动确定的阈值分割图像

        bin_threshold使用自动确定的阈值分割单通道灰度值图像。首先，确定灰度值的相对直方图;然后，从直方图中提取相关的最小值，作为阈值分割操作的参数。为了减少最小值的数量，直方图用高斯平滑，就像在auto_threshold。将掩模尺寸放大，直到平滑后的直方图中只有一个最小值。所选区域包含灰度值从0到最小的像素或真实图像从最小值到各自最小的像素。这个运算符在分割浅色纸张上的暗字符时很有用。

3、binary_threshold -使用二值阈值分割图像

        binary_threshold分割使用自动确定的全局阈值的单通道图像，并返回区域中的分割区域。这是，例如，有用的分割字符在均匀照明背景。binary_threshold也返回在UsedThreshold中使用的阈值。
所使用的阈值由方法中给出的方法确定。目前，操作员提供了以下两种方法:“max_separability”和“smooth_histo”。这两种方法都只能用于具有双峰直方图的图像。
smooth_histo方法提供了

4、char_threshold -为提取字符执行阈值分割

        char_threshold算法的主要应用是分割亮纸上深色字符的单通道图像。首先，计算出HistoRegion{}区域内点的图像灰度值的直方图。为了消除噪声，使用给定的Sigma(高斯平滑)平滑直方图。在直方图中，背景(白纸)在高灰度值时对应一个大峰，而字符在低灰度值时对应一个小峰。与算子binary_threshold(与'Method'='smooth_histo')相比，它位于两个峰值之间的最小值，这里分割的阈值是根据直方图的最大值确定的，即背景，具有以下条件：

                       histogram[threshold] * 100.0 < histogram[maximum] * (100.0 - Percent)

        例如，如果您选择Percent = 95，操作员将定位其频率最多为最大频率的5%的灰度值。因为char_threshold假设字符的颜色比背景深，所以要在最大值的左边搜索阈值。与binary_threshold相比，如果字符对应的直方图峰值和背景对应的直方图峰值之间没有明确的最小值，或者字符对应的直方图峰值根本没有，则应该使用该操作符。这可能会发生，例如，如果图像只包含少数字符或在不均匀照明的情况下。

5、dual_threshold — 标记图像的阈值运算符

        dual_threshold将输入图像分割成灰度值阈值区域(积极区域)和灰度值阈值区域(消极区域)。只考虑大小大于最小值的正或负区域。抑制最大灰度值小于最小灰度值的区域。所进行的分割不完整，即正、负两个区域合在一起不一定能覆盖整个图像:没有考虑介于阈值与阈值、MinGray与MinGray之间的灰度值区域。dual_threshold通常在对一幅图像应用拉普拉斯运算符(Laplace, laplace_of_gauss, derivate_gauss或diff_of_gauss)或两幅图像之差(sub_image)后调用。拉普拉斯图像的零交点对应于图像的边，是拉普拉斯图像正负区域的分割区域。它们可以通过使用Threshold = 1调用dual_threshold，然后使用complement创建补码区域来确定。参数MinGray决定了噪声的不变性，而MinSize决定了边缘检测的分辨率。使用字节图像时，只应用运算符的正数部分。因此，dual_threshold的行为类似于具有连续连接和select_gray的标准阈值操作符(threshold)

6、dyn_threshold -使用局部阈值分割图像

        dyn_threshold从输入图像中选择像素满足阈值条件的区域。设g_{o} = g_{OrigImage}， g_{t} = g_{ThresholdImage}。那么LightDark = 'light'的条件是:

                                                                     

        通常，阈值图像是原始图像的平滑版本(例如，通过应用mean_image, binomial_filter, gauss_filter等)。然后dyn_threshold的效果类似于将threshold应用于原始图像的highpass_filter版本(参见highpass_image)。使用dyn_threshold可以提取物体的轮廓，其中物体的尺寸(直径)由低通滤波器的掩模尺寸和物体边缘的振幅决定:掩模尺寸的选择越大，发现的区域越大。根据经验，掩模的大小应该是要提取物体直径的两倍左右。重要的是不要将参数偏移设置为零，因为在这种情况下会发现太多的小区域(噪声)。值在5到40之间是一个有用的选择。偏移量越大，提取区域越小。将满足上述条件的输入图像的所有点联合存储在一个区域内。必要时，可通过调用connection获得被连接的部件。

7、fast_threshold -使用全局阈值的图像快速阈值

        fast_threshold从输入图像中选取灰度值g满足以下条件的像素:

                                                        
        为减少处理时间，分两步进行选择:首先，对所有位于选定水平线上的点进行处理，这些点的距离最小。在下一步中，处理所有先前选择的点的邻域(大小(2*MinSize+1) x (2*MinSize+1))。

8、get_current_hthread_id——返回当前线程的HALCON线程ID

        get_current_hthread_id返回一个线程ID，它表示HThreadID中当前正在运行的线程。这个ID与UNIX平台上的windows线程ID或POSIX线程ID相同，也由hdevengine的par_start操作返回。它以后可以用来中断线程中使用interrupt_operator执行的操作符

9、get_threading_attrib—查询线程/同步对象的属性

         get_threading_attrib决定了传递给ThreadingHandle的线程对象的类型和创建线程对象时使用的属性。

10、get_thresh_images_variation_model -返回变化模型用于图像比较的阈值图像

        get_thresh_images_variation_model返回MaxImage和MinImage中变量模型ModelID的阈值图像。在读取阈值图像之前，必须使用prepare_variation_model或prepare_direct_variation_model计算阈值图像。用于计算阈值图像的公式用prepare_variation_model或prepare_direct_variation_model描述。在compare_variation_model和compare_ext_variation_model中使用阈值图像来检测图像相对于模型的过大偏差。正如compare_variation_model和compare_ext_va所描述的那样

11、histo_to_thresh — -从直方图中确定灰度阈值

        直方图的灰度阈值直方图的灰度值阈值分割图像使用阈值。返回的阈值为0，直方图中的最大灰度值，以及从直方图中提取的所有最小值。在确定阈值之前，使用高斯平滑函数对直方图进行平滑处理。对灰度histo返回的绝对直方图和相对直方图进行处理。但是请注意，这里应该只使用字节图像，否则返回的阈值就不能很容易地转换为实际图像的阈值。对于类型为uint2的图像，应该使用gray_histo_abs来计算直方图，因为这通过简单地将阈值乘以在gray_histo_abs中选择的量化来简化阈值的简单转换。对于uint2图像，重要的是要确保量化的选择必须使直方图仍然包含显著信息。例如，每像素分辨率为16位的640 x 480图像平均每个直方图bin只包含307200 / 65536 = 4.7个条目，也就是说，直方图的分布过于稀疏，无法从中得到任何有用的统计数据。为了能够从这样的直方图中提取有用的阈值，Sigma必须设置为一个非常大的值，这将导致非常高的运行时间和数值问题。因此，通常应该选择灰度直方图中的量化，使直方图最多包含1024个条目。因此，对于每像素大于10位的图像，必须选择大于1的量化。由gray_histo_abs返回的直方图应该进一步限定为包含显著信息的部分。例如，对于每像素12位的图像，量化应该设置为4。只有计算直方图的前1024个条目(在本例中包含16384个条目)应该传递给histo_to_thresh。最后，MinThresh必须乘以4(即量化)，而MaxThresh必须乘以4并增加3(即量化减1)。

12、hysteresis_threshold — 对图像执行迟滞阈值操作

        对图像执行迟滞阈值操作(由Canny引入)。所有输入图像中灰度值大于或等于高的点立即被接受(“安全”点)。相反，所有灰度值小于低的点将立即被拒绝。如果通过“潜在”点的路径连接到“安全”点，那么两个阈值之间的“潜在”点将被接受，“潜在”点的长度最多为最大长度点。这意味着“安全”点影响它们的环境(滞后)。

13、local_threshold -使用局部阈值分割图像

       使用方法中给出的阈值分割方法对单通道图像进行分割，并在区域中返回分割后的区域。目前，该操作符只提供'adapted_std_deviation'方法。该算法是一种文本二值化技术，对文档图像具有良好的处理效果。

14、measure_thresh — 沿矩形或环形圆弧提取具有特定灰度值的点

        measure_thresh提取一维灰度值轮廓内的灰度值等于指定阈值的点。将灰度值轮廓投影到参数测量处理通过的测量矩形的主轴上，从而计算出灰度值轮廓内的阈值点对应于矩形主轴上的图像坐标。当操作符在RowThresh和ColumnThresh中返回这些坐标时。对于一维测量概念的解释见一维测量的介绍。如果灰度值剖面多次与阈值线相交，则参数选择决定返回哪些值。可能的设置是'first'， 'last'， 'first_last'(第一和最后)或'all'。对于后两种情况，Distance返回计算点之间的距离。灰度值配置文件是由平均灰度值在所有的线段,由测量矩形定义如下:段垂直于长轴的矩形,他们有一个整数距离中心的矩形,矩形边界的部分。对于每一线段，计算到主轴距离为整数的所有点的灰度值的平均值。由于测量矩形相对于图像坐标的平移和旋转，输入图像通常在亚像素位置采样。因为这涉及到一些可以在几个投影中重复使用的计算，所以只使用运算符gen_measure_rectangle2提前执行一次这些计算。在这里，生成测量对象MeasureHandle，并可以选择不同的插值方案。

15、threshold —-使用全局阈值分割图像

16、threshold _sub_pix -以亚像素精度从图像中提取水平交叉

        threshold_sub_pix以亚像素的精度提取输入图像的水平阈值处的水平交叉。提取的平交道口作为xld等高线返回边界。与操作符阈值相比，threshold_sub_pix不返回区域，而是将灰度值小于阈值的区域与灰度值大于阈值的区域分隔开的行。
提取时，将输入图像看作是一个表面，在这个表面中，灰度值被插值到各个像素的中心之间。与这样定义的表面一致，为每个像素提取水平交叉线，并连接成拓扑合理的轮廓。这意味着平交道口等值线在交叉点被正确分割。如果图像包含恒定灰度值阈值的扩展区域，则只有这些区域的边界作为水平交叉返回。

17、var_threshold — 由局部均值和标准偏差分析的图像阈值

      使用var_threshold，可以选择输入图像的像素

     具有高的本地标准差(对于正的StdDevScale)，还是低的本地标准差(对于负的StdDevScale)，以及

是局部亮或暗，根据LightDark。

因此，在非均匀的、有噪声的或照明不均匀的背景上分割区域是可能的。

18、watersheds_threshold —-分水岭阈值使用阈值从图像中提取流域盆地。

    算子watersheds_threshold分割由至少具有阈值高度的分水岭分隔开的区域(盆地)。