4、Halcon图像读取与显示：read_image、disp_obj等基本操作，以及图像类型转换与通道分离
在机器视觉项目开发中，图像采集与显示是算法验证的第一步。Halcon作为工业级机器视觉算法库，其图像数据管理机制与常规的OpenCV或MATLAB有显著差异。本章将围绕Halcon的图像读取（read_image）、窗口显示（disp_obj）、图像类型转换（convert_image_type）以及通道分离（decompose3）四大核心操作展开，帮助学员建立Halcon图像数据流的底层认知，并掌握从磁盘加载图像到屏幕显示、再到预处理的全链路实操技能。
4.1 核心原理：Halcon图像数据模型与HObject机制
Halcon的图像处理核心基于HObject数据类型，这是一个智能指针对象，内部封装了图像数据矩阵、通道数、像素类型、区域信息等元数据。与OpenCV的Mat不同，HObject采用引用计数机制，多个变量可以共享同一份图像数据，只有显式调用copy_image或clone才会产生真正的数据副本。这一设计使得Halcon在图像传递时几乎零拷贝开销，但也要求开发者理解"赋值即引用"的语义，避免意外修改共享数据。
图像类型（Image Type）决定了每个像素占用的字节数及取值范围。Halcon支持byte（8位无符号，0-255）、uint2（16位无符号，0-65535）、int4（32位有符号）、real（32位浮点）等类型。工业相机输出RAW格式时通常为uint2，而常规图像处理算法（如阈值分割、边缘检测）多基于byte类型。理解类型转换的精度损失与灰度范围映射，是避免算法结果异常的前提。
关键认知：Halcon的disp_obj操作符本质上是将HObject的引用传递给窗口对象，窗口内部根据当前显示模式（灰度/彩色）自动完成像素到屏幕颜色的映射。因此，显示操作不会修改原始图像数据，但会占用窗口的GPU/CPU资源。在循环处理视频流时，应避免频繁创建窗口，推荐使用open_window一次，后续通过set_part更新显示区域。
4.2 图像读取与显示：操作流程与参数详解
图像读取是Halcon程序的第一步。最常用的操作符是read_image，其语法为：
read_image( : Image : FileName : )
* 示例：读取单张图像
read_image (Image, 'D:/images/defect_sample.png')
* 读取多帧图像（文件名含通配符）
read_image (ImageSeq, 'D:/images/seq_*.png')当文件名包含通配符*或?时，Halcon会一次性读取所有匹配的图像，并生成一个图像序列（即多帧HObject）。此时需要通过select_obj或tuple_length来遍历访问每一帧。对于工业相机实时采集，则使用grab_image或grab_image_async，其返回的HObject与read_image完全兼容。
显示操作的核心是disp_obj，但必须先创建窗口：
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
disp_obj (Image, WindowHandle)
* 设置显示区域（缩放显示）
dev_set_part (WindowHandle, 0, 0, Height-1, Width-1)
* 设置显示字体
dev_set_font (WindowHandle, 'Consolas', 14, 'bold', 'false')窗口坐标系统以左上角为原点，dev_open_window的四个参数分别表示窗口左上角行列坐标、窗口宽高。实际项目中，窗口尺寸应与图像宽高比保持一致，避免图像拉伸变形。若需自适应显示，可使用dev_set_part动态调整显示区域。
| 操作符 | 功能 | 关键参数 | 典型场景 |
|---|---|---|---|
| read_image | 从磁盘读取图像 | FileName支持通配符 | 离线图像分析 |
| grab_image | 从相机采集一帧 | AcqHandle相机句柄 | 在线检测 |
| disp_obj | 显示HObject到窗口 | WindowHandle窗口句柄 | 结果可视化 |
| dev_set_part | 设置显示区域 | 行列起止坐标 | 局部放大/缩放 |
| convert_image_type | 转换像素类型 | NewType目标类型, ScaleFactor | 预处理 |
| decompose3 | 三通道分离 | 输出R/G/B三个HObject | 彩色分析 |
4.3 图像类型转换与通道分离：实战案例拆解
在工业视觉项目中，相机输出RAW12格式（12位灰度）时，Halcon读取后为uint2类型。若直接进行阈值分割，灰度范围0-4095与算法默认的0-255不匹配，导致结果异常。此时必须进行类型转换：
read_image (RawImage, 'camera_raw_12bit.tif')
* 查看图像类型
get_image_type (RawImage, Type) // Type = 'uint2'
* 转换为byte类型，缩放因子=255/4095≈0.0623
convert_image_type (RawImage, ImageByte, 'byte', 0.0623)
* 或者使用固定缩放
convert_image_type (RawImage, ImageByte, 'byte', 1.0)注意：scale_factor为1.0时，Halcon会将uint2的高8位截断，即灰度值除以256取整，这会丢失低8位的细节信息。推荐使用scale_factor = 255.0 / 4095.0进行线性映射，保留更多动态范围。
对于彩色图像，decompose3可将RGB三通道分离为独立的灰度图像：
read_image (ColorImage, 'color_sample.png')
decompose3 (ColorImage, RedChannel, GreenChannel, BlueChannel)
* 对红色通道进行阈值分割
threshold (RedChannel, RedRegion, 180, 255)
* 若需合并通道，使用compose3
compose3 (RedChannel, GreenChannel, BlueChannel, MultiChannelImage)通道分离后，每个通道都是单通道灰度图，可独立进行形态学处理、特征提取。在彩色缺陷检测中，常利用RGB通道的差异来增强特定缺陷：例如，检测PCB板上的红色标记，可先分离红色通道，再对红色通道做高阈值分割，避免绿色和蓝色通道的干扰。
实战经验：当图像为4通道（RGBA）时，decompose3无法直接使用，需先通过change_domain或crop_domain去除Alpha通道，或使用decompose4（Halcon 20.11+）分离全部四个通道。另外，disp_obj显示多通道图像时，Halcon自动将前3通道映射为RGB，第4通道被忽略。
4.4 常见误区与总结复盘
误区一：混淆图像类型与通道数。初学者常认为"彩色图像就是3通道，灰度图就是1通道"，但Halcon中byte类型的3通道图像才是彩色，而uint2类型的3通道图像在显示时可能被错误映射。务必使用get_image_type和count_channels确认图像属性。
误区二：忽略窗口句柄的生命周期。在循环中反复调用dev_open_window会导致窗口资源泄漏，程序运行一段时间后内存暴涨。正确做法是在循环外创建窗口，循环内仅更新显示内容。
误区三：类型转换时未考虑灰度范围。将uint2直接转为byte而不设置缩放因子，会导致高灰度值截断，图像细节丢失。对于12位相机，必须计算scale_factor = 255.0 / (2^12 - 1)。
误区四：通道分离后忘记释放内存。虽然HObject有引用计数，但分离出的通道对象在不再使用时，应调用clear_obj释放内存，尤其在处理大批量图像时。
风险提示：当使用read_image读取不存在的文件时，Halcon会抛出异常并终止程序。建议使用file_exists先检查文件存在性，或使用try...catch异常处理机制。此外，disp_obj在窗口被关闭后调用会报错，需通过window_exists判断窗口有效性。
总结复盘：本章核心在于理解HObject的引用语义与图像元数据。读取图像后，第一件事是检查类型和通道数；显示前确认窗口尺寸与图像比例；类型转换时明确灰度映射关系；通道分离后独立处理各通道。掌握这些基础操作，后续的灰度变换、频域处理、形态学操作才能建立在正确的数据基础上。建议学员在本地准备多张不同类型（灰度/彩色/12位RAW）的测试图像，反复练习read_image、disp_obj、convert_image_type和decompose3的组合使用，直到能够流畅地完成"读取→检查→转换→分离→显示"的完整流程。