静态ROI设置方法：使用gen_rectangle1、gen_circle等算子创建固定ROI，并应用于图像处理

在机器视觉项目中，ROI（Region of Interest，感兴趣区域）的设定直接决定了图像处理的效率与稳定性。静态ROI是指在图像采集条件固定、目标位置相对不变的前提下，通过预先定义的几何形状（矩形、圆形、椭圆等）来锁定处理区域。Halcon作为工业视觉领域的标准工具，提供了丰富的ROI生成算子，其中gen_rectangle1、gen_rectangle2、gen_circle、gen_ellipse是最常用的静态ROI创建方法。本章将系统讲解这些算子的参数语义、坐标系统、应用场景及工程化落地要点，帮助读者建立从“画框”到“用框”的完整认知。

静态ROI的核心价值在于“裁剪”与“聚焦”。在Halcon中，ROI本质上是一个区域（Region）对象，它定义了后续图像处理算子作用的像素范围。通过reduce_domain算子将原始图像与ROI区域结合，生成一个仅包含ROI范围内像素的缩小域图像（ImageReduced），后续的阈值分割、边缘提取、模板匹配等操作都只在该缩小域上进行。这不仅大幅减少了计算量，还避免了ROI外部的干扰像素（如背景纹理、光照不均区域、其他工件）对处理结果的负面影响。静态ROI适用于产线节拍稳定、工件定位精度高、相机与工件相对位置固定的场景，例如固定工位的缺陷检测、标准尺寸测量、二维码读取等。

4.1 核心原理：ROI的数据结构与坐标语义

在深入算子用法之前，必须理解Halcon中ROI的数据本质。ROI在Halcon中属于区域（Region）数据类型，它由一组像素坐标集合构成。Halcon的区域表示采用“行程编码”（Run-Length Encoding）方式，即按行存储连续像素段的起始列和结束列，这种数据结构在内存占用和逻辑运算（交集、并集、差集）上具有极高效率。

坐标语义是静态ROI设置中最容易出错的地方。Halcon的图像坐标系与常规数学坐标系不同：原点位于图像左上角，Row坐标（行）向下递增，Column坐标（列）向右递增。这与OpenCV中的(x,y)坐标系（x为列、y为行）有本质区别。例如，gen_rectangle1(ROI, 100, 200, 300, 400)表示创建一个左上角位于第100行、第200列，右下角位于第300行、第400列的矩形区域。如果开发者习惯性地将参数理解为(x1,y1,x2,y2)，就会导致ROI位置完全错误。

理解坐标语义后，还需要掌握ROI的“域”（Domain）概念。Halcon中的图像（Image）具有“域”属性，即图像中实际参与处理的有效像素范围。默认情况下，图像的域为整个图像矩形。通过reduce_domain(Image, ROI, ImageReduced)，可以将图像的域缩小为ROI区域，后续所有处理算子（如threshold、edges_sub_pix）都只作用于该域内。这种机制使得ROI不仅是一个“裁剪框”，更是贯穿整个处理链路的“有效区域约束”。

4.2 判断方法与操作流程：静态ROI的创建步骤

静态ROI的创建并非简单地调用一个算子，而是需要遵循一套完整的工程流程。以下是从需求分析到最终验证的标准操作流程：

1. 需求分析：明确检测目标、ROI内需要包含的特征、ROI外需要排除的干扰源。例如，检测PCB板上的焊点缺陷，ROI应覆盖焊点区域并留出适当余量，同时避开板边的字符印刷区域。
2. 图像采集与观察：使用read_image读取一张代表性的样本图像，通过disp_image显示，利用Halcon的灰度直方图、像素信息窗口（鼠标悬停显示Row/Column坐标）确定关键特征点的精确像素位置。
3. 选择ROI形状：根据目标形状选择算子。矩形适用于规则排列的元件、条码区域；圆形适用于轴承、药片、瓶盖等圆形工件；旋转矩形（gen_rectangle2）适用于有角度倾斜的矩形目标；椭圆适用于透视变形下的圆形目标。
4. 编写ROI生成代码：在HDevelop中编写算子调用，传入精确的坐标参数。建议使用变量而非硬编码，便于后续参数调整。
5. 可视化验证：使用disp_region在图像上叠加显示ROI轮廓，检查ROI是否完全覆盖目标区域且未包含过多背景。可通过area_center计算ROI的面积和中心坐标，辅助判断。
6. 应用ROI：调用reduce_domain生成缩小域图像，后续处理算子基于该图像执行。
7. 批量验证：在至少10-20张不同样本图像上测试ROI的适应性，确保在光照变化、微小位移下ROI仍能有效覆盖目标。

以下是一个典型的静态ROI创建与应用的Halcon代码示例：

// 读取图像
read_image (Image, 'pcb_sample.png')
// 创建静态矩形ROI（左上角Row=150, Col=200，右下角Row=450, Col=600）
gen_rectangle1 (ROI_Rect, 150, 200, 450, 600)
// 创建静态圆形ROI（圆心Row=300, Col=800，半径=80像素）
gen_circle (ROI_Circle, 300, 800, 80)
// 合并两个ROI（并集）
union2 (ROI_Rect, ROI_Circle, ROI_Combined)
// 将ROI应用于图像，生成缩小域图像
reduce_domain (Image, ROI_Combined, ImageReduced)
// 在缩小域图像上进行阈值分割
threshold (ImageReduced, Regions, 128, 255)
// 显示结果
dev_display (Image)
dev_set_color ('red')
dev_display (ROI_Combined)
dev_set_color ('green')
dev_display (Regions)

该示例展示了矩形与圆形ROI的创建、合并及应用。在实际项目中，ROI参数（如150,200,450,600）通常通过draw_rectangle1等交互式算子由人工在图像上框选获得，然后通过get_rectangle1获取坐标值，再写入代码或配置文件。这种方式可以避免手动输入坐标的误差。

4.3 案例拆解：电子元件引脚检测中的静态ROI应用

下面通过一个完整的工程案例来展示静态ROI的实际应用。某电子制造企业需要检测PCB板上一个QFP（方形扁平封装）芯片的48个引脚是否存在虚焊或桥连缺陷。产线节拍为2秒/片，相机固定安装，PCB板通过定位治具精确固定，重复定位精度±0.1mm。

初始现象与目标：原始图像尺寸为2448×2048像素，包含整个PCB板（约200mm×160mm）。若直接对全图进行引脚检测，不仅计算量大（约500万像素），而且PCB板上的其他元件（电阻、电容、丝印字符）会产生大量干扰，导致误检率高达15%。目标是将检测区域精确锁定在QFP芯片的引脚区域，将误检率降至0.5%以下，同时将单次检测时间控制在200ms以内。

关键输入数据与参数：通过HDevelop的像素信息工具，测得QFP芯片中心位于图像坐标(Row=1024, Column=1536)，芯片本体尺寸为12mm×12mm，引脚延伸出本体1.5mm。相机分辨率为0.1mm/像素，因此芯片本体对应120×120像素，引脚区域外扩15像素。考虑定位治具的±0.1mm误差（即±1像素），ROI需要额外增加5像素的安全余量。

分析判断过程：由于芯片存在0°或90°、180°、270°四种安装方向（由贴片机决定），但产线已通过机械定位确保芯片方向一致（0°），因此无需旋转ROI。引脚分布在芯片四边，每边12个引脚。为了分别检测每边的引脚，可以创建4个独立的矩形ROI，分别覆盖上、下、左、右四组引脚区域。每个ROI的宽度应覆盖引脚长度（1.5mm=15像素）加上安全余量（5像素），即20像素；高度应覆盖12个引脚的排列范围（引脚间距0.5mm=5像素，12个引脚总宽约55像素）加上余量。

实际操作步骤：

1. 创建4个矩形ROI，参数如下：
   • 上方引脚ROI：gen_rectangle1(ROI_Top, 1024-60-20, 1536-60-5, 1024-60, 1536+60+5)，即Row范围[944, 964]，Col范围[1471, 1601]
   • 下方引脚ROI：gen_rectangle1(ROI_Bottom, 1024+60, 1536-60-5, 1024+60+20, 1536+60+5)
   • 左侧引脚ROI：gen_rectangle1(ROI_Left, 1024-60-5, 1536-60-20, 1024+60+5, 1536-60)
   • 右侧引脚ROI：gen_rectangle1(ROI_Right, 1024-60-5, 1536+60, 1024+60+5, 1536+60+20)
2. 合并4个ROI：union2(ROI_Top, ROI_Bottom, ROI_Temp1); union2(ROI_Left, ROI_Right, ROI_Temp2); union2(ROI_Temp1, ROI_Temp2, ROI_All)
3. 应用ROI：reduce_domain(Image, ROI_All, ImageReduced)
4. 在缩小域图像上执行引脚提取：threshold(ImageReduced, Regions, 80, 255)，然后通过connection分割连通域，利用select_shape筛选引脚区域（面积、宽高比等特征）。

结果对比：应用静态ROI后，处理像素数从约500万降至约4×（20×130）=10400像素，计算量减少99.8%。实际检测时间从850ms降至45ms，误检率从15%降至0.3%。由于ROI精确排除了PCB板上的其他元件和丝印，虚焊和桥连缺陷的检出率从92%提升至99.5%。

风险与代价：静态ROI的局限性在于对位置偏移敏感。当定位治具磨损或PCB板尺寸批次波动超过±0.2mm时，ROI可能偏移导致引脚部分超出区域。为此，项目组在ROI基础上增加了基于模板匹配的自动位置修正：每片板检测前，先使用find_shape_model定位芯片中心，然后动态调整ROI坐标（将静态ROI的基准坐标加上偏移量）。这种“静态ROI+动态补偿”的混合方案既保留了静态ROI的高效率，又增强了鲁棒性。

4.4 常见误区与总结复盘

在实际工程中，静态ROI的设置存在几个高频误区，需要特别警惕：

• 误区一：坐标参数顺序混淆。将gen_rectangle1的参数误写为(x1,y1,x2,y2)而非(Row1,Col1,Row2,Col2)。这会导致ROI位置偏移甚至完全错误。建议在代码中显式注释参数含义，或使用draw_rectangle1交互式获取坐标。
• 误区二：ROI过小导致目标被裁剪。为了追求极致的计算效率，将ROI设置得恰好贴合目标边缘，但忽略了光照变化引起的边缘像素灰度波动，导致目标部分像素被排除在ROI外。应保留至少3-5像素的余量。
• 误区三：ROI过大失去“聚焦”意义。ROI设置过大，包含了大量背景区域，不仅计算量增加，而且背景中的干扰像素可能进入后续处理。例如，在阈值分割时，ROI外的亮背景可能被误判为目标。
• 误区四：忽略ROI的“域”传播特性。在Halcon中，reduce_domain后的图像其域被修改，后续所有基于该图像的处理都受域约束。但若在中间步骤使用了full_domain或change_domain，域可能被重置，导致ROI失效。应检查处理链中是否有改变域的操作。
• 误区五：静态ROI与动态场景硬匹配。当工件位置存在较大波动（超过ROI余量）时，仍强行使用静态ROI，导致检测失败。此时应升级为动态ROI（基于定位结果实时更新坐标），或增加机械定位精度。

总结复盘：静态ROI是Halcon图像处理的基础功，其核心在于“以空间换时间、以约束换稳定”。正确设置静态ROI需要三个层面的协同：坐标语义层（理解Row/Column与行列的关系）、算子参数层（掌握各生成算子的参数含义与边界条件）、工程余量层（根据实际波动预留安全边界）。在项目实践中，建议建立ROI参数配置文件（如JSON或CSV），将ROI坐标与处理参数分离，便于调试和维护。同时，每次调整ROI后，必须用一组有代表性的样本图像进行回归测试，确保检测效果不退化。