一、图像测量概述
图像测量是通过机器视觉技术对图像中的目标尺寸（长度、角度、面积、距离等）进行非接触式量化分析的技术，广泛应用于工业检测（零件尺寸公差、装配间隙）、医疗影像（器官大小）、精密制造等领域。其核心优势是：高精度、非接触、高效率，可替代传统卡尺、千分尺等接触式测量工具，适应自动化生产线需求。
图像测量的一般流程：
图像采集（工业相机 + 镜头，需校准消除畸变）；
预处理（去噪、增强、边缘提取）；
特征提取（目标边缘、轮廓、关键点）；
几何参数计算（长度、角度、面积等）；
结果输出与分析（与标准值对比，判断合格性）。
二、图像测量的关键参数与方法
1. 长度测量
直线长度：两点间距离（如零件边缘的直线段长度）。
曲线长度：轮廓线的总长度（如管道的弯曲部分）。
2. 角度测量
两直线（或边缘）的夹角（如零件的倒角角度、多边形内角）。
3. 面积测量
区域的像素数量（转换为实际面积，如薄膜的孔洞面积）。
4. 距离测量
两平行直线的间距（如板材厚度、两平行线间隙）。
点到直线的距离（如圆心到边缘的距离）。
5. 圆 / 椭圆参数测量
直径、半径、圆心坐标（如轴承内圈直径）。
三、Halcon 测量核心算子
| 测量类型 | 关键算子 | 功能描述 |
|---|---|---|
| 边缘提取 | edges_sub_pix | 提取亚像素级边缘（高精度测量基础） |
| 直线拟合 | fit_line_contour_xld | 从边缘轮廓拟合直线（获取直线参数） |
| 圆 / 椭圆拟合 | fit_circle_contour_xld、fit_ellipse_contour_xld | 从轮廓拟合圆 / 椭圆（获取直径、圆心等） |
| 距离计算 | distance_pp、distance_pl | 两点距离、点到直线距离 |
| 角度计算 | angle_ll | 两直线夹角 |
| 长度计算 | length_xld | 轮廓线长度 |
| 面积计算 | area_center | 区域面积与中心坐标 |
| 相机校准 | calibrate_cameras | 消除镜头畸变，建立像素与实际尺寸的映射 |
四、Halcon 测量实例
实例 1：零件直线边缘长度测量（亚像素级）
场景：测量金属零件某条直线边缘的实际长度（需先完成相机校准，获取像素 - 毫米转换系数）。
dev_update_off () * 1. 读取图像并预处理 read_image (PartImage, 'metal_part.png') dev_close_window () get_image_size (PartImage, Width, Height) dev_open_window (0, 0, Width, Height, 'black', WindowHandle) dev_display (PartImage) disp_continue_message (WindowHandle, 'black', 'true') stop () * 2. 提取亚像素边缘（高精度测量核心） edges_sub_pix (PartImage, Edges, 'canny', 1, 20, 40) // Canny算法提取边缘 * 3. 筛选目标边缘（假设为水平边缘，通过方向筛选） select_contours_xld (Edges, SelectedEdges, 'direction', -0.1, 0.1, 0, 0) // 保留接近水平的边缘 * 4. 拟合直线（获取直线端点） fit_line_contour_xld (SelectedEdges, 'tukey', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist) * 5. 计算长度（像素单位） distance_pp (RowBegin, ColBegin, RowEnd, ColEnd, LengthPix) // 两点距离（像素） * 6. 转换为实际长度（假设校准后1像素=0.01毫米） PixelToMM := 0.01 LengthMM := LengthPix * PixelToMM * 7. 显示结果 dev_display (PartImage) dev_set_color ('red') gen_contour_polygon_xld (Contour, [RowBegin, RowEnd], [ColBegin, ColEnd]) dev_display (Contour) disp_message (WindowHandle, '长度: ' + LengthMM$'6.3f' + ' mm', 'window', 10, 10, 'red', 'true') stop ()实例 2：圆孔直径测量（圆拟合）
场景：测量机械零件上圆孔的直径，通过拟合圆轮廓计算直径。
dev_update_off () * 1. 读取图像并提取圆孔区域 read_image (HoleImage, 'part_with_hole.png') dev_close_window () get_image_size (HoleImage, Width, Height) dev_open_window (0, 0, Width, Height, 'black', WindowHandle) * 2. 预处理：二值化+形态学去噪 threshold (HoleImage, Region, 50, 200) // 分割圆孔区域（假设孔为暗区域） opening_circle (Region, HoleRegion, 5) // 去除噪声 connection (HoleRegion, SingleHole) // 提取单个圆孔 * 3. 提取圆孔边缘（亚像素级） gen_contour_region_xld (SingleHole, HoleContour, 'border') // 生成区域轮廓 edges_sub_pix (HoleImage, EdgeContour, 'canny', 1, 30, 60) // 提取边缘 reduce_domain (EdgeContour, SingleHole, HoleEdge) // 筛选圆孔内的边缘 * 4. 拟合圆（获取圆心和半径） fit_circle_contour_xld (HoleEdge, 'algebraic', -1, 0, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder) * 5. 计算直径（转换为实际单位） PixelToMM := 0.02 // 校准后1像素=0.02毫米 DiameterMM := 2 * Radius * PixelToMM * 6. 显示结果 dev_display (HoleImage) dev_set_color ('green') dev_display (HoleContour) gen_circle_contour_xld (CircleContour, Row, Column, Radius, 0, 6.28318, 'positive', 1) dev_set_color ('red') dev_display (CircleContour) disp_message (WindowHandle, '直径: ' + DiameterMM$'6.3f' + ' mm', 'window', 10, 10, 'red', 'true') stop ()实例 3：两平行线间距测量（厚度测量）
场景：测量薄片材料的厚度（两平行边缘的距离）。
dev_update_off () * 1. 读取图像并提取上下边缘 read_image (SheetImage, 'thin_sheet.png') dev_close_window () get_image_size (SheetImage, Width, Height) dev_open_window (0, 0, Width, Height, 'black', WindowHandle) * 2. 提取亚像素边缘 edges_sub_pix (SheetImage, Edges, 'sobel', 'vertical', 3, 20, 40) // 提取垂直边缘（薄片边缘为垂直方向） * 3. 分割上下两条边缘 split_contours_xld (Edges, SplitEdges, 10, 1) // 分割长轮廓为短段 select_contours_xld (SplitEdges, TopEdge, 'position', 'row', 0, Height/2, 0, 0) // 上边缘（行坐标较小） select_contours_xld (SplitEdges, BottomEdge, 'position', 'row', Height/2, Height, 0, 0) // 下边缘（行坐标较大） * 4. 拟合两条平行线 fit_line_contour_xld (TopEdge, 'orthogonal', -1, 0, 5, 2, RowT1, ColT1, RowT2, ColT2, NrT, NcT, DistT) fit_line_contour_xld (BottomEdge, 'orthogonal', -1, 0, 5, 2, RowB1, ColB1, RowB2, ColB2, NrB, NcB, DistB) * 5. 计算两平行线间距（厚度） distance_lr (RowT1, ColT1, RowT2, ColT2, RowB1, ColB1, RowB2, ColB2, DistancePix) // 线到线距离（像素） PixelToMM := 0.015 ThicknessMM := DistancePix * PixelToMM * 6. 显示结果 dev_display (SheetImage) dev_set_color ('blue') gen_contour_polygon_xld (TopLine, [RowT1, RowT2], [ColT1, ColT2]) gen_contour_polygon_xld (BottomLine, [RowB1, RowB2], [ColB1, ColB2]) dev_display (TopLine) dev_display (BottomLine) disp_message (WindowHandle, '厚度: ' + ThicknessMM$'6.3f' + ' mm', 'window', 10, 10, 'blue', 'true') stop ()实例 4：角度测量（两直线夹角）
场景：测量机械零件倒角的角度。
dev_update_off () * 1. 读取图像并提取倒角边缘 read_image (ChamferImage, 'part_chamfer.png') dev_close_window () get_image_size (ChamferImage, Width, Height) dev_open_window (0, 0, Width, Height, 'black', WindowHandle) * 2. 提取亚像素边缘 edges_sub_pix (ChamferImage, Edges, 'canny', 1, 20, 50) * 3. 筛选倒角的两条边缘 select_contours_xld (Edges, ChamferEdges, 'length', 50, 1000, 0, 0) // 筛选长边缘 split_contours_xld (ChamferEdges, TwoEdges, 1, 1) // 分割为两条边缘 * 4. 拟合两条直线 fit_line_contour_xld (TwoEdges[0], 'tukey', -1, 0, 5, 2, Row1_1, Col1_1, Row1_2, Col1_2, Nr1, Nc1, Dist1) fit_line_contour_xld (TwoEdges[1], 'tukey', -1, 0, 5, 2, Row2_1, Col2_1, Row2_2, Col2_2, Nr2, Nc2, Dist2) * 5. 计算夹角（弧度转角度） angle_ll (Row1_1, Col1_1, Row1_2, Col1_2, Row2_1, Col2_1, Row2_2, Col2_2, AngleRad) AngleDeg := rad(AngleRad) // 转换为角度 * 6. 显示结果 dev_display (ChamferImage) dev_set_color ('red') gen_contour_polygon_xld (Line1, [Row1_1, Row1_2], [Col1_1, Col1_2]) gen_contour_polygon_xld (Line2, [Row2_1, Row2_2], [Col2_1, Col2_2]) dev_display (Line1) dev_display (Line2) disp_message (WindowHandle, '夹角: ' + AngleDeg$'6.1f' + ' °', 'window', 10, 10, 'red', 'true') stop ()五、图像测量的精度优化技巧
相机校准：必须进行相机内参校准（
calibrate_cameras）和畸变矫正（gen_image_map+map_image），消除镜头畸变对测量的影响；亚像素边缘提取：使用
edges_sub_pix替代像素级边缘，将测量精度提升至 0.1 像素级别；光照控制：确保光照均匀，避免反光或阴影导致边缘模糊（可使用同轴光源、环形光源）；
拟合算法选择：
直线拟合优先用
'tukey'（抗离群点）；圆拟合优先用
'geometric'（几何误差最小）；
多次测量取平均：对同一目标进行多次测量（不同位置或角度），减少随机误差；
ROI 限制：通过
reduce_domain限制测量区域，排除无关背景干扰。
六、总结
图像测量的核心是从图像中提取高精度几何特征，并通过相机校准将像素单位转换为实际物理单位。Halcon 提供了从边缘提取到参数计算的完整算子链，结合亚像素技术和抗干扰拟合算法，可实现微米级测量精度。实际应用中需重点关注光照、校准和边缘质量，以确保测量结果的可靠性。
