企业官网建设流程全解析

1. 为什么我绕了一大圈又回到dyn_threshold

1.1 一个固定阈值翻车现场

前阵子一个朋友发我一张手机拍的零件照片，背景光线从左到右越来越暗，他问我：阈值得怎么设？我当时就回了四个字：dyn_threshold。这不是随口说的——干视觉这么多年，dyn_threshold是我在Halcon里用得最频繁的阈值算子之一。没有它，一堆不均匀光照下的缺陷检测项目根本没法落地。

先还原一下朋友那个场景。零件表面本身是均匀的金属色，但左边有强光源、右边在阴影里，整幅图背景灰度从180一路掉到90。你要是用常规的threshold(Image, Region, 100, 255)，左边该出来的出来了，右边整片被砍掉；你用threshold(Image, Region, 80, 255)，右边是保住了，左边背景也跟着涌进来一大片。这种时候再看直方图，双峰根本不明显，全局阈值方案在起跑线上就已经输了。

1.2 dyn_threshold适合谁

先说结论，dyn_threshold适合下面几类情况：

• 图像存在明显的光照不均、背景渐变，没法用单个全局灰度值分开前后景；
• 目标物与周围背景的对比度相对稳定，但绝对灰度值在不同位置不一样；
• 想在纹理背景上抠出亮斑、暗斑、划痕、字符等中小尺寸目标；
• 希望用"局部背景"作为判断基准，而不是拿全局灰度分布硬扛。

我在很多表面缺陷检测、印刷品字符分割、PCB外观检测项目里都用它。它并不神秘，核心思路说白了就一句话：**每个像素的阈值，由它周围一块区域的灰度均值来决定，而不是由全图一个固定值来决定。**理解了这句话，后面所有参数就都顺了。

如果你现在还在用固定阈值硬啃光照不均的图，建议认真看完这篇，它会改变你处理这类问题的习惯。

2. 算子签名与每个参数的真实含义

2.1 参数逐项拆解

在HDevelop里，dyn_threshold被调用为：

dyn_threshold(OrigImage, ThresholdImage, RegionDynThresh, Offset, LightDark)

第一大要点：**ThresholdImage不是让你手动画一张阈值图，而是让你通过滤波算子现场生成一张代表"局部背景灰度"的图像。**大部分情况下，它就是原图做均值滤波的结果。官方文档里也是这个套路：先mean_image(Image, ImageMean, MaskWidth, MaskHeight)生成平滑背景图，再拿原图和这张背景图做比较。

第二大要点：**两张图必须保证图像定义域(domain)一致。**如果你之前对原图做过reduce_domain裁剪，那ThresholdImage也必须裁成同一个区域再送进去，否则轻则结果范围对不上，重则直接报错。这个坑我在后面第9章还会具体提醒。

第三大要点：**Offset和LightDark是配合使用的，光看任何单独一个参数都得不出结论。**两者的比较逻辑在下一章展开，这里先记住：Offset是"允许的背景波动范围"，LightDark决定"超出波动范围的哪个方向算目标"。

2.2 最简可运行示例

先给一个最常用的写法，你拿到一张不均匀光照的灰度图，可以直接套：

read_image (Image, 'your_image.png') * 转灰度，如果是彩色图先转一下 rgb1_to_gray (Image, GrayImage) * 生成阈值图：15x15均值滤波，尺寸后面细说 mean_image (GrayImage, ImageMean, 15, 15) * 动态阈值：提取比背景暗的区域 dyn_threshold (GrayImage, ImageMean, RegionDynThresh, 10, 'dark')

跑完之后，RegionDynThresh里就是"比周围局部背景至少暗10个灰度级"的所有像素。你可以在HDevelop里用connection把区域断开，再用select_shape按面积、形状等特征筛掉噪声。

可别小看这么几行代码，它在实际项目里能顶住绝大多数背景渐变场景。我见过有的工程师硬是用threshold配一堆paint_region修补逻辑去追同一片区域，绕了几天，最后一换dyn_threshold十分钟出结果。

3. 算法原理：拿局部背景当尺子

3.1 均值图怎么变成阈值图

要理解dyn_threshold，先理解一个等价操作：dyn_threshold做的事，本质上是对"原图减去平滑图"的差值图做一次固定阈值。

用子图像算子可以写出一个完全等价的效果（以'dark'为例）：

sub_image (OrigImage, ThresholdImage, ImageSub, 1, 0) threshold (ImageSub, Region, 0, 255)

也就是：原图每个像素，减去它周围区域的均值，得到差值图。某个位置如果有真实目标，它的灰度会明显低于（或高于）周围背景，所以差值图上会出现尖峰；如果是缓慢变化的背景光照，它在差值图上几乎接近0。这样一来，光照不均的影响就被抵消了，剩下的差值是"局部突变"，再去设定一个固定Offset就能把目标从噪声里捞出来。

这就是为什么ThresholdImage通常用均值滤波生成：均值滤波本身就是"取窗口内灰度平均值"，它在窗口尺度上代表了局部背景水平。窗口开得越大，局部背景估计得越平缓；窗口开得越小，背景估计得越接近原图，差值越小。

3.2 四种比较模式的数学表达

如果你把判断按像素展开，实际是这样的：

注意这些条件都是逐个像素比较的。原图中每一个点，拿自己的灰度值去对比平滑图里对应位置的灰度值，再考虑一个Offset容差，最后落在不等号方向上的点，就被划进输出区域。

这里有个很多新手容易搞混的点：**Equal并不是"没什么用"的凑数参数。**它提取的是"灰度与局部背景几乎相同"的区域。什么意思？比如表面涂层缺失区域，它和周围背景灰度几乎一样，但结构上就是不一样，这时候反而需要'equal'把"没差异的地方"找出来。实际项目中'equal'用得少，但一旦用上，往往是问题域很特殊的情况。

3.3 和threshold的本质差异

固定阈值threshold判断的是Image(i,j) >= 某个全局常数，它不关心周围环境什么样。而dyn_threshold判断的是Image(i,j)相对于它自己周围环境是亮是暗。

用生活化类比来说：固定阈值就像在班里定一条"身高160cm以上算高个"的硬性标准，换到高年级班级就失效；动态阈值则是在每个班里分别看，你比周围大多数同学高出半个头就算高个。同一套规则，在哪个班级都成立。

明白了这个，你再去看很多项目就知道为什么全局阈值搞不定：它的"尺子"是全图共享的一把标尺，而局部光照一变，标尺的零点就偏了。dyn_threshold把尺子换成了"局部均值"，零点跟着背景走，自然适应各种光照漂移。

4. MeanMask尺寸怎么选，这篇讲透

4.1 掩膜必须比目标大，但不能无限大

这是dyn_threshold调参里最重要的一个经验法则：均值滤波的掩膜尺寸MaskWidth / MaskHeight，必须明显大于你要检测的目标尺寸，但同时不能大到覆盖过多灰度突变区域。

为什么？想想3.1的等价差值图思路：均值滤波窗口如果和缺陷一样大甚至更小，那么缺陷本身的灰度也会被平均进局部背景里，差值图上的信号就会被削弱，甚至完全消失。我实测过，一个5像素宽、对比度20灰度级的暗划痕，如果用5x5均值窗去生成ThresholdImage，结果差值图上划痕位置的响应可能只剩下2~3个灰度级，Offset稍微一调就找不到了；换成21x21甚至31x31的窗口，差值响应立刻回到15个灰度级以上，分割干净利落。

实际操作中，我一般把掩膜尺寸定为目标最大径的2到3倍起步。比如划痕宽度在3~6个像素，那就从15或21开始试；字符笔画的宽度是4~5个像素，我从17到21开始试。一个反向指标是：如果你把掩膜调大，目标区域反而变清晰了，说明之前掩膜太小，继续加；如果加了之后目标区域开始变形、被旁边强边缘带跑，说明过大了，往回收。

4.2 三种滤波方式生成阈值图，我为什么首选均值

除了mean_image，常见生成阈值图的方式还有这些，各自脾气不太一样：

我的习惯是：先用均值，如果背景估计还挺准，但噪点多，就换高斯或中值；如果背景本身有较大的纹理起伏，均值估计不干净，就会考虑灰度开/闭运算来专门生成背景图。

灰度开/闭运算的原理值得多说一句。gray_opening是在窗口内先做腐蚀再做膨胀，结果是把那些比窗口小的暗细节抹掉，只留下大面积亮背景。所以当你拿gray_opening(Image, ImageOpen, 21, 21)做ThresholdImage再去提取暗目标，相当于用"纯粹的局部亮背景"做基准，暗目标反而更突出。反过来，提取亮目标就用gray_closing估计暗背景。

4.3 边界伪影问题

均值滤波在图像边界附近会用边界镜像或填充方式补齐，但补出来的值毕竟不是真实像素，这会导致靠图像边缘的区域在差值图上出现一圈偏大或偏小的响应，也就是伪目标。

我处理这个问题的办法很直接：用reduce_domain先把图像往内收缩几像素，去掉边界，再做dyn_threshold；或者在分割后直接用erosion_rectangle1把结果区域往内收一圈。如果目标不会出现在图像边缘，这一步可以省掉；但如果你做的是大图精密测量，边界伪影可能直接导致误判，必须处理。

5. Offset偏移量：对抗噪声的第一道防线

5.1 offset太小会发生什么

Offset的含义一句话：允许背景有一定的灰度波动，波动不超过Offset的点，一律不算目标。它是对抗噪声的第一道防线。

如果Offset设成0，那就等于说"只要原图和局部背景有任何一丁点差别，都算目标"。图像里每一点都有传感器噪声、照明波动，结果就是整个区域糊成一片白色噪点，完全没有分割意义。我见过有人上来就设Offset=0，然后跑来问为什么区域碎了，就是这个原因。

Offset设得越大，被选中的像素条件越苛刻，输出区域越少，噪声抑制越强，但真实目标里那些对比度较弱的部分可能也被过滤掉了，出现漏检。设得太小，则过分割，需要大量后处理才能把真实目标和噪声分开。

5.2 实用的标定方法

如果你没有标定板，也不想猜，我推荐一个我自己常用的标定流程：

1. 固定一个较大的MeanMask，比如21x21。
2. 把Offset从5开始，先步长5加到30，每档都跑一遍，观察结果区域里"真实目标"和"噪声"的比例。
3. 找一个临界点：比这个临界点大1~2个灰度级，真实目标开始出现断裂，就说明Offset过大了，退回一档。
4. 最后再微调1个灰度级为单位，找到噪声明显减少、目标刚好的位置。

举例来说，我做过一个金属表面暗斑检测项目，目标与背景的最小对比度约10个灰度级，传感器噪声在±3个灰度级，最终Offset取在8~10之间就非常稳。它留出了足够的噪声余量，又没吃掉对比度只有10的目标。

这里有个容易忽略的点：Offset和MeanMask是相互影响的，不是独立调参。MeanMask越大，差值图上目标响应越强，但噪声也可能被放大；Offset越大，抑制噪声越狠。一般先定MeanMask再定Offset，如果Offset怎么调都别扭，回头重新审视一下MeanMask是不是选得不合适。

5.3 16位图与offset缩放

如果你的图像不是8位而是16位（比如某些工业相机输出的是12位/16位灰度），Offset的数值就必须跟着灰度范围缩放。8位图里Offset=10，相当于大约4%的全幅灰度范围；在16位图里，同样比例应该取到10 * 256 ≈ 2560。

很多工程师在这个地方翻车，8位图里调试好的Offset直接套到16位图上，结果要么区域没了，要么噪声遍布。建议先明确相机的实际有效位深，再把Offset换算过去，甚至干脆统一用scale_image把16位图缩放到8位再处理，逻辑更清晰。

6. LightDark参数：亮目标、暗目标与"刚好差不多"的目标

6.1 四个枚举值的判定逻辑

LightDark这个参数决定了比较方向，本质上和threshold里的"MinGray/MaxGray"类似，只不过基准从全局常数变成了局部背景图。四个值我已经在第3章的表格里列过判定条件，这里换个角度总结：

• 'light'：找比背景亮的特征。常见于暗背景上的亮点、亮字、焊点反光、亮色缺陷。
• 'dark'：找比背景暗的特征。这是我最常用的方向。暗划痕、暗污点、字符（深色油墨）、断层、凹坑等。
• 'equal'：找灰度与背景一致的特征。用于检测灰度异常均匀的区域，比如涂层缺失、反光均匀面，需要结合形态学判断。
• 'not_equal'：亮暗两侧都要，常用于同时检测亮点和暗点，比如既要找漏焊的亮焊点，又要找烧焦的暗焊点。

6.2 一次提取亮暗两侧的not_equal用法

有些项目里目标既有亮斑又有暗斑，比如PCB板上既有锡珠（亮）又有空洞（暗），如果分两次跑dyn_threshold再取并集，也不是不行，但会多一倍时间。直接'not_equal'一把梭：

mean_image (Image, ImageMean, 15, 15) dyn_threshold (Image, ImageMean, RegionBoth, 12, 'not_equal')

这样亮斑暗斑都进RegionBoth。缺点是你分不清哪些区域是亮、哪些是暗，如果后处理需要区分方向，还得再用threshold在差值图上单独分开，或者干脆跑两次'dark'和两次'light'。我的建议是：只有当你不需要区分亮暗，或者后处理只看形状/面积时，才用'not_equal'省事。否则分开跑，逻辑更好维护。

6.3 equal模式的实际价值

'equal'模式我在实际项目中用得很少，但有一个场景让我印象很深：检测镀膜表面有没有局部"漏镀"。漏镀区域的灰度与正常镀膜几乎一样，在普通光照下肉眼都难分辨，可它与背景的区别恰恰是"灰度太均匀"，没有正常镀膜的纹理和细微起伏。这时候用'equal'加上一个较小的Offset，反而能把异常均匀的区域抠出来。

不过这类场景通常还需要额外的纹理特征、频域特征辅助，单靠灰度动态阈值很难独立搞定。所以我的定位是：'equal'是dyn_threshold的一个可用选项，但不要指望它像'light'/'dark'那么通用。先搞清楚你的目标在灰度上和背景的关系，再决定要不要用它，千万别每个项目都试一遍四个方向然后挑一个看起来对的。

7. 缺陷检测里的经典组合拳

7.1 金属表面划痕检测完整流程

我拿一个实际做过的金属表面划痕检测项目来演示完整链路，这套组合我后来复用到很多类似项目上：

* 1. 读取图像（工业相机采集的灰度图） read_image (Image, 'metal_surface') * 2. 中值滤波去孤立噪声，保留边缘轮廓 median_image (Image, ImageMedian, 'circle', 3, 'mirrored') * 3. 大尺度均值图模拟背景光照 mean_image (ImageMedian, ImageMean, 31, 31) * 4. 提取暗缺陷区域 dyn_threshold (ImageMedian, ImageMean, RegionDark, 12, 'dark') * 5. 区域断开，便于筛选 connection (RegionDark, ConnectedRegions) * 6. 按面积和形状特征过滤：划痕细长、面积不大 select_shape (ConnectedRegions, SelectedRegions, ['area', 'width', 'height'], 'and', [30.0, 2.0, 5.0], [2000.0, 50.0, 200.0])

这里我特意按顺序强调了几个点。第一步读取原图就不多说了；第二步中值滤波很关键，图像传感器噪声和表面小毛刺会让dyn_threshold输出很多碎片，先滤一遍噪声能省掉海量后处理；第三步的31x31均值窗，是针对宽度在3~8个像素的划痕选的，按4.1的经验法则，2~3倍目标宽度起步；第四步的Offset=12，是这个项目里实测出来的噪声抑制临界值；最后一步按面积和长宽比筛掉噪声颗粒和背景纹理。

7.2 与灰度形态学配合估计背景

前面提到过，如果背景纹理比较复杂，均值滤波估计背景会有偏差，这时候用灰度开/闭运算更合适。我举一个典型例子，一个拉丝金属表面的暗点检测：

median_image (Image, ImageMedian, 'circle', 3, 'mirrored') * 灰度开运算，估计亮背景 gray_opening (ImageMedian, ImageOpen, 21, 21) * 提取暗点，背景基准是开运算结果 dyn_threshold (ImageMedian, ImageOpen, RegionDark, 8, 'dark')

为什么这里不用均值滤波而用灰度开运算？因为拉丝表面有方向性纹理，均值滤波会把这些纹理也算进背景平均值，导致拉丝隆起处出现大量伪目标。灰度开运算只在窗口尺度上抹掉暗的小于窗口的细节，保留亮背景，暗点在这种背景下就特别突出。

这个技巧对表面缺陷检测非常实用。你甚至可以根据缺陷方向，把结构元素改成矩形、椭圆等非对称形状，比如：

gray_opening (ImageMedian, ImageOpenRect, 5, 31)

用来处理横向长纹理背景，只保留纵向短线状暗缺陷。

7.3 延伸：ROI裁剪与性能优化

工业视觉项目里通常不会对整幅大图做全局处理，而是先在定位阶段把目标区域框出来，再在ROI内做分割。dyn_threshold配合reduce_domain可以缩小计算范围，速度提升明显：

reduce_domain (Image, RectROI, ImageROI) mean_image (ImageROI, ImageMeanROI, 21, 21) dyn_threshold (ImageROI, ImageMeanROI, RegionDynROI, 10, 'dark')

这里有一个我特别强调的细节：mean_image和dyn_threshold必须在同一个ROI域内操作，否则两张图的图像域不一致，后面的比较会出问题。你可以在HDevelop里用get_domain验证两者域是否一致，不一致就change_domain先对齐。

如果ROI很小但数量很多，可以考虑用for循环遍历多个ROI，逐个运行均值滤波和动态阈值。Halcon的多线程可以加快循环，但注意不要对同一变量并发写，否则容易出现数据竞争。另一个优化点是：如果只需要二值化结果，你也可以用gray_histo加threshold在特定区域快速估一个局部阈值，但dyn_threshold的优势在于它对每个像素自适应，当ROI内背景仍有明显渐变时，dyn_threshold还是稳得多。

8. 同门算子横向对比，什么场景别用dyn_threshold

8.1 阈值分割算子对比表

Halcon里阈值分割家族成员很多，刚入门的工程师经常在threshold、binary_threshold、dyn_threshold、var_threshold、local_threshold之间犯选择困难。我整理了一张表，按我的经验给出了适用场景：

8.2 我什么时候会放弃dyn_threshold

虽然我一直替dyn_threshold说好话，但它不是万能的，下面几种情况我会直接换别的方案：

• 目标占画面比例过大。如果目标区域面积超过画面50%，比如整块均质金属表面都要提取，那么均值窗口里大量采样点都是目标本身，背景估计会被污染，差值信号反而减弱。这种情况更适合用threshold或binary_threshold去抠背景，再反选。

• 要求亚像素边缘精度。dyn_threshold输出的是像素级区域，如果你要的是亚像素轮廓，一般先用dyn_threshold粗定位，再在定位区域内用edges_sub_pix重提边缘。

• 目标对比度太弱，和噪声几乎同级别。Offset没法既保住目标又压住噪声时，靠dyn_threshold硬调是浪费时间，不如先做频域增强或考虑深度学习分割。

• 速度极敏感且光照非常稳定。固定阈值几十毫秒跑完，dyn_threshold外加均值滤波可能要上百毫秒，如果直方图验证固定阈值已经稳如老狗，就不要为了炫技增加耗时。

8.3 选型决策思路

我自己的选型链很固定：先看一眼直方图，如果双峰清楚、图像光照均匀，直接threshold或binary_threshold；如果光照不均，立刻切到dyn_threshold家族；如果局部对比度忽高忽低、噪声水平变化大，我会尝试var_threshold，让标准差自己调整阈值宽度。local_threshold主要留给文本类场景，因为它的参数里包含了文本模式、密度范围等概念，专门为字符二值化优化过。

这套思路在90%的工业视觉项目里够用了。别一上来就上大模型、深度学习，传统算子能把问题解决的，就用最简方案，鲁棒性往往更高。

9. 我平时调参的几条经验

9.1 从大到小找掩膜，从小到大找Offset

这两个方向是我反复验证过的调参顺序。

掩膜从大往小调：先用一个明显偏大的MeanMask（比如目标宽度的5倍），保证背景估计干净，目标不会被吃掉；然后把尺寸逐步缩小，直到目标区域里的细节开始消失，退一档用上一个尺寸。这样通常能落在最优区间。

Offset从小往大调：先小至5，看噪声占比；逐步加大，直到真实目标刚好出现断裂迹象，回退一档。再以1为步长微调，取"噪声刚好压住、目标最完整"的平衡点。

我见过很多人上来就填15x15、Offset=30，结果目标全没了，就因为Offset给太大。小可以先小，但大不能乱大。

9.2 实时调参技巧

HDevelop里没有内置dyn_threshold的滑条，但你可以快速验证参数：把mean_image和dyn_threshold两行放进一个循环，用wait_seconds配合手动改参数，或者用一个简单的调参界面（C#/Qt里加TrackBar），绑定Offset和MaskWidth两个变量。

在界面上建议同时显示三层画面：原图、平滑背景图、结果区域叠加。只看结果区域你不知道是背景估计的问题还是阈值的问题，把平滑图也显示出来，一眼就能判断：如果平滑图里已经看不到目标轮廓，说明掩膜太大或者目标被吃掉了；如果平滑图保留了大量纹理细节，说明掩膜太小，背景没有平滑干净；只有在平滑图"干净且不丢失目标尺度的变化"时，才是适合继续调Offset的时机。

9.3 最后的建议

最后分享一个我个人的习惯：不要一股脑把dyn_threshold代码焊死在项目里，先写一个参数配置文件，把MaskWidth、MaskHeight、Offset、LightDark、预处理方式都暴露出来。因为现场换一条产线、换一种灯光，这些参数很可能全部要重调。用配置驱动而不是改代码，是工业视觉项目能快速迭代的保障。

还有一个容易遗漏的细节：换相机或换分辨率时，MeanMask和Offset要按比例缩放，否则之前调好的参数会全部失效。这是硬件变更后最常见的问题，很多人只换相机不换参数，结果以为算法不行，其实是分辨率变了，掩膜尺寸对应的实际物理尺度没跟上。

以上这些经验，基本覆盖了我在多个项目里使用dyn_threshold的全部心得。它是那种看起来简单、用起来能救命的算子，希望你也能把它用顺手。