感兴趣区域
一般对于机器视觉，尤其对HALCON，感兴趣区域（ROIs）的感念是必备的，其目标是聚焦在图像特定部分的处理。这种方法结合具有图像矩阵的区域信息：仅仅相对于图像部分的区域保持相关，其可减少被处理的像素的个数。
运用ROIs的优势是多方面的。首先，它是一种很好的方法去加速处理，因为更少的像素需要被处理。还有，它聚焦处理，例如灰度特征的计算仅仅是对于图像部分。最后，ROIs被从来定义模板，例如，对于匹配，HALCON运行充分利用ROIs的概念，因为对于区域，其能够应用任意的形状，这就意味着你不会受限于标准的形状，例如矩形或者多边形，但可以用任何形式-最好的形式去解决给定的问题。
基本概念
运行ROIs分为两个简单部分：创建区域和结合图像。
创建区域
HALCON提供许多方法去创建区域，其可以被用作ROIs。传统的方法是去产生一个标准的形状，如圆，椭圆，矩形，或者多边形。另外，区域也可以由如XLD等其他数据类型转化而来，通过分割图像或者用户的交互。
创建ROI
通过将区域与图像相结合，区域承担了一个ROI的角色，例如它定义图像的那个部分必须被处理。在HALCON中，ROI也被称为图像的域，这个术语来源于数学，其将图像看做了一个将坐标值映射为灰度值的函数。一个ROI就是对这个函数域的从完整图像到相关部分的剪切，因此，结合区域和图像的算子被称为reduce-domain，这个简单的算子在几乎所有的应用中能够满足所期望的任务。
第一个例子
作为基本概念的例子，下面的程序展示了利用ROI的所有重要步骤，其中图像时从文件中获取的。在图像内部，仅中间的圆形部分应该被处理。为了实现它，用算子gen_circle去产生一个圆形区域，这个区域用reduce_domain与图像相结合，这样在调用算子的时候，仅ROI的像素被处理。例如，如果将算子edges_sub_pix引用到图像中，则仅仅圆区域内部的亚像素精度轮廓被提取，为了使其能够可见，在示例程序的最后添加了可视化算子。
閱讀更多 AI圖像老白 的文章
