确定图像的熵和各向异性 Halcon entropy_gray 解析

1、图像的熵

1.1 介绍

        图像熵（image entropy）是图像“繁忙”程度的估计值，它表示为图像灰度级集合的比特平均数，单位比特/像素，也描述了图像信源的平均信息量。熵指的是体系的混乱程度，对于图像而言，对焦良好的图像的熵大于没有清晰对焦的图像，因此可以用熵作为一种对焦评价标准。熵越大，图像越清晰。

        图像熵反映了图像灰度直方图分布的离散程度。当图像细节清晰时，图像的灰度直方图分布较广，像素间灰度值对比较强，图像熵也较大；当图像模糊时，图像的灰度直方图分布较窄且集中，像素间的灰度值相差小，图像熵较小。

1.2 特征

1. 对于一副灰度级为256的图像，其最大图像熵约为5.54比特/像素。
2. 图像熵越大，表明图像的灰度级越多，直方图分布越均匀，相应的图像质量越好，细节信息越丰富。
3. 图像熵是对图像灰度信息的整体描述，孤立的像素点几乎不会对图像熵造成影响。

1.3 应用

        图像熵在图像处理、计算机视觉等领域有广泛应用。例如，在图像压缩中，可以利用图像熵来评估图像的信息量，从而选择合适的压缩算法和参数。在图像分割中，图像熵可以作为分割阈值的选取依据，帮助实现更准确的图像分割。此外，图像熵还可以用于图像质量评价、图像增强、图像去噪等方面。

2、各向异性

2.1 介绍

        各向异性（anisotropy）是描述物质或系统在不同方向上具有不同性质的特性。在图像处理中，各向异性通常指的是图像在不同方向上的纹理、亮度、颜色等特征存在差异。

2.2 特点

        各向异性是图像的一种重要特性，它反映了图像在不同方向上的信息差异。这种差异可以是由于图像的拍摄角度、光照条件、物体表面纹理等因素造成的。在图像处理中，利用各向异性可以帮助我们更好地理解和分析图像，提取有用的信息。

2.3 应用

        各向异性在图像处理中有多种应用。例如，在图像增强中，可以利用各向异性来增强图像在某些方向上的特征，提高图像的视觉效果。在图像分割中，各向异性可以作为分割算法的一个重要依据，帮助实现更准确的分割结果。此外，各向异性还可以用于图像去噪、图像修复、图像识别等方面。

        在地震图像处理中，各向异性扩散滤波方法被广泛应用于断层识别。这种方法利用地震图像中各向异性的特性，通过构建结构张量矩阵来判断扩散方向，从而实现保边去噪和断层识别。这种方法在提高地震资料信噪比的同时，保护了断层等小尺度边缘信息，为后续的地震断层精细解释等提供了基础资料。

3、Halcon entropy_gray

`entropy_gray` 是 Halcon 库中的一个算子，用于确定图像的熵和各向异性。

1. 名称与功能：
   - 名称：`entropy_gray`
   - 功能：确定图像的熵和各向异性 。

2. 用法：
   - 算子的用法为：`entropy_gray(Regions, Image : : : Entropy, Anisotropy)` 。

3. 描述：
   - `entropy_gray` 创建输入图像中灰度值的相对频率直方图，并根据这些频率计算来自区域的每个区域的熵和各向异性系数 。
   - 熵和各向异性系数的计算公式如下：

     - 熵（Entropy）：根据灰度值频率的直方图计算得出。
     - 各向异性系数（Anisotropy）：测量灰度值分布的对称性 。

4. 参数：
   - `Regions`：要确定特征的区域，输入类型为 region(-array) 。
   - `Image`：灰度值图像，输入类型为 singlechannelimage 。
   - `Entropy`：输出信息内容（熵）的灰度值，输出类型为 real(-array) 。
   - `Anisotropy`：测量灰度值分布的对称性，输出类型为 real(-array) 。

5. 注意：
   - `entropy_gray` 算子仅考虑给定的区域，并忽略输入图像 `Image` 的任何先前设置的域 。

6. 并行性：
   - 多线程类型：可重入（与非独占算子并行运行）。
   - 多线程范围：全局（可以从任何线程调用）。
   - 在元组级别自动并行化处理 。

7. 复杂度：
   - 如果 F 是该区域的面积，则运行时复杂度为 O(F + 255) 。

8. 结果：
   - 如果输入了具有定义的灰度值的图像并且参数是正确的，则算子 `entropy_gray` 返回值 2（`H_MSG_TRUE`）。空输入情况下的行为（没有可用的输入图像）可以通过 `set_system('no_object_result',<Result>:)` 设置，空区域的行为可以通过 `set_system('empty_region_result',<Result>:)` 设置。如有必要，会引发异常 。

9. 替代算子：
   - `select_gray` 。

10. 参考其他算子：
    - `entropy_image`, `gray_histo`, `gray_histo_abs`, `fuzzy_entropy`, `fuzzy_perimeter` 。

4、具体计算

read_image (Image, 'fabrik')
dev_close_window ()
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowID)
dev_display (Image)
dev_set_draw ('margin')
* Create two rectangle parallel to the coordinate axes
gen_rectangle1 (Rectangle1, 351, 289, 407, 340)
gen_rectangle1 (Rectangle2, 78, 178, 144, 244)
entropy_gray (Rectangle1, Image, Entropy1, Anisotropy1)
entropy_gray (Rectangle2, Image, Entropy2, Anisotropy2)

 区域1的熵和各向异性为：

区域2的熵和各向异性为：

         从图像可以看出熵的大小可以用来区分不同图像内容。

5、应用 Halcon例程：crystal.hdev

* crystal.hdev: extraction of hexagonally shaped crystals via local thresholding and region post-processing

* 关闭当前所有打开的窗口，防止干扰
dev_close_window ()

* 关闭窗口的自动更新功能，以提高处理速度
dev_update_window ('off')

* ****
* step: acquire image
* 加载图像文件到内存中，准备进行处理
* 文件名为'crystal'
* ****
read_image (Image, 'crystal')

* 获取图像的尺寸，用于后续窗口的调整
get_image_size (Image, Width, Height)

* 根据图像的尺寸打开一个新窗口，以适应图像的大小
dev_open_window_fit_image (Image, 0, 0, Width, Height, WindowID)

* 设置窗口中显示的字体样式和大小
set_display_font (WindowID, 12, 'mono', 'true', 'false')

* 设置绘制模式为边缘绘制，以便更清晰地显示图像边缘
dev_set_draw ('margin')

* 设置绘制线条的宽度
dev_set_line_width (2)

* 在窗口中显示原始图像
dev_display (Image)

* 显示继续消息，提示用户下一步操作
disp_continue_message (WindowID, 'black', 'true')

* 暂停程序执行，等待用户输入继续
stop ()

* ****
* step: segment image
* 对图像进行分割处理，以提取出感兴趣的区域
* ****

* -> 使用局部阈值法进行分割
* 计算图像的均值图像，用于后续的阈值处理
mean_image (Image, ImageMean, 21, 21)

* 使用动态阈值法根据均值图像对原始图像进行分割
dyn_threshold (Image, ImageMean, RegionDynThresh, 8, 'dark')

* -> 提取连通区域
* 将分割后的区域中连通的部分提取出来
connection (RegionDynThresh, ConnectedRegions)

* 在窗口中显示连通区域
dev_display (ConnectedRegions)

* 显示继续消息，提示用户下一步操作
disp_continue_message (WindowID, 'black', 'true')

* 暂停程序执行，等待用户输入继续
stop ()

* ****
* step: process regions
* 对提取出的区域进行进一步的处理，以筛选出符合要求的晶体区域
* ****

* 将连通区域转换为凸包区域，以便进行形状分析
shape_trans (ConnectedRegions, ConvexRegions, 'convex')

* 根据面积筛选出较大的区域，这些区域可能是晶体
select_shape (ConvexRegions, LargeRegions, 'area', 'and', 600, 2000)

* 根据灰度值的熵筛选出符合条件的区域，熵值反映了图像区域的灰度分布均匀性
* 这一步进一步筛选出可能的晶体区域
select_gray (LargeRegions, Image, Crystals, 'entropy', 'and', 1, 5.6)

* 在窗口中同时显示原始图像和筛选出的晶体区域
dev_display (Image)
dev_display (Crystals)