Halcon中閾值二值化的算子眾多，通常用得最多的有threshold、binary_threshold、dyn_threshold等。
threshold是最簡單的閾值分割算子，理解最為簡單；binary_threshold是自動閾值算子，它可以自動選出暗（dark）的區域，或者自動選出亮（light）的區域，理解起來也沒有難度。
動態閾值算子dyn_threshold理解起來稍微復雜一點，使用dyn_threshold算子的步驟基本是這樣的：
① 將原圖進行濾波平滑處理。
② 用原圖和平滑后的圖逐個像素做比較，它可以根據參數分割出原圖比平滑后的圖灰度高（或者低）若干個灰度值的區域。
舉例如下：
處理程序是這樣的：
1 read_image (Image, 'C:/Users/happy xia/Desktop/dynPic.png') 2 mean_image (Image, ImageMean, 9, 9) 3 dyn_threshold (Image, ImageMean, RegionDynThresh, 10, 'dark')
程序分析：本例中，將圖片模糊后，點陣字的黑色擴散了，隨之就是字的黑色不如原圖那么黑了，那么通過給定的限值“10”和“dark”，就可以將原圖比模糊后的圖暗10個灰階以上的區域（即黑色文字部分）選出來了。
以上所說的三個算子並不是本文的重點，但卻是理解下面的兩個閾值分割算子的准備知識。
1、dual_threshold
先看程序和效果圖再分析。
1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png') 2 dual_threshold (Image, RegionCrossings, 174, 200, 180)
dual_threshold(Image : RegionCrossings : MinSize, MinGray, Threshold : )
該算子簽名中：Threshold 表示用於分割的閾值數值，MinSize表示分割出來的區域的最小面積（即數像素的數目個數），MinGray表示分割出來的區域對應的原圖中圖像像素的最高灰度不能低於MinGray設定值。
注意圖中藍色矩形小色塊的面積是175個像素，因此當MinSize = 174時，它可以被分割出來。
OK，我知道這么說比較拗口。下面我邊改變參數邊觀察效果圖，並做簡要分析：
1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png') 2 dual_threshold (Image, RegionCrossings, 176, 200, 180)
效果圖如下：
由於最小面積設置為176，那么面積為175像素的矩形小色塊就沒有被分割出來。
再來改變MinGray參數：
1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png') 2 dual_threshold (Image, RegionCrossings, 176, 216, 180)
此時觀察到，最右邊那個齒輪本來分割出來的區域沒有了！
通過取色器觀察可知，這塊區域最亮的灰度大概比211高一點點。
我們把這個值略微調低再看看：
1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png') 2 dual_threshold (Image, RegionCrossings, 176, 210, 180)
最右邊那個齒輪右下角那一塊又被分割出來了！
相信通過這樣參數的反復調節，大家已經徹底明白了dual_threshold算子的意義和用法。
我們看這個算子的名稱——dual是“雙”的意思，也就是雙閾值。如果我們讓參數列表中的MinGray = Threshold，那就是單閾值了。
1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png') 2 dual_threshold (Image, RegionCrossings, 176, 180, 180)
這個算子是很高效的。如果要完成上面這個程序這樣的功能，用threshold算子的話，代碼要這樣寫：
1 read_image (Image, 'C:/Users/happy xia/Desktop/2.png') 2 threshold (Image, Region, 180, 255) 3 connection (Region, ConnectedRegions) 4 select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 176, 9999999)
也就是說dual_threshold一條算子頂這三條算子。
dual_threshold算子的缺陷：它只能分割出灰度值高的亮區域，不能分割出灰度值低的暗區域。
下面介紹var_threshold算子。
2、var_threshold
先看var_threshold算子的簽名：
var_threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark : )
MaskWidth、 MaskHeight是用於濾波平滑的掩膜單元；StdDevScale是標准差乘數因子（簡稱標准差因子）；AbsThreshold是設定的絕對閾值；LightDark有4個值可選，'light'、'dark'、'equal'、'not_equal'。
需要強調的是var_threshold算子和dyn_threshold算子極為類似。不同的是var_threshold集成度更高，並且加入了“標准差×標准差因子”這一變量。
舉例：
1 read_image (Image, 'C:/1.png') 2 var_threshold (Image, Region, 4, 4, 0.2, 12, 'dark')
在該程序中，先用4×4的掩膜在圖像上逐像素游走，用原圖中的當前像素和對應掩膜中16個像素的灰度均值對比，找出暗（dark）的區域。當原圖像素灰度比對應的掩膜灰度均值低（0.2,12）個灰階時，該區域被分割出來。本程序中StdDevScale = 0.2, AbsThreshold = 12,問題的關鍵就是理解如何通過StdDevScale和AbsThreshold來確定用於分割的閾值。
var_threshold的幫助文檔中是這么寫的：
說明：
1、d(x,y)指的是遍歷每個像素時，掩膜覆蓋的那些像素塊（本例中是4×4 = 16個像素）灰度的標准差；StdDevScale 是標准差因子。
2、當標准差因子StdDevScale ≥ 0 時，v(x,y) 取（StdDevScale ×標准差）和AbsThreshold 中較大的那個。
3、當標准差因子StdDevScale ＜ 0 時，v(x,y) 取（StdDevScale ×標准差）和AbsThreshold 中較小的那個。實測發現，這里的比較大小是帶符號比較，由於標准差是非負數，當StdDevScale ＜ 0 時，（StdDevScale ×標准差）≤ 0恆成立。所以此時的取值就是（StdDevScale ×標准差）。
文檔是這么說的：
If StdDevScale*dev(x,y) is below AbsThreshold for positive values of StdDevScale or above for negative values StdDevScale, AbsThreshold is taken instead.
大致意思是：
當StdDevScale為正時，如果StdDevScale*dev(x,y) 低於 AbsThreshold，則采用AbsThreshold。
當StdDevScale為負時，如果StdDevScale*dev(x,y) 高於 AbsThreshold，則采用AbsThreshold。
我找了一塊黑白過渡處4×4的像素塊，求得它的灰度標准差為51.16（或49.53）：
幫助文檔中StdDevScale 的推薦值范圍是-1~1，一般通過上面的例子可知，一般的明顯的黑白過度處的標准差在50左右，乘以StdDevScale即-50 ~ 50 ,50的灰度差異，對於分割來說一般是夠了的。
文檔還說：推薦的值是0.2，如果參數StdDevScale太大，可能分割不出任何東西；如果參數StdDevScale太小（例如-2），可能會把整個圖像區域全部輸出，也就說達不到有效分割的目的。（……with 0.2 as a suggested value. If the parameter is too high or too low, an empty or full region may be returned.）
最后再看看是怎么分割像素的：
其中g(x,y)指的是原始圖像當前像素的灰度值；m(x,y)指的是遍歷像素時，掩膜覆蓋的像素的平均灰度值（mean）。
以LightDark = ‘dark’為例，當滿足m(x,y) - g(x,y) ≥ v(x,y)時（即原始圖像對應像素灰度比掩膜像素灰度均值低v(x,y)個灰度值以上），相應的灰度值低的暗像素被分割出來。
最后看幾個例子體會一下：（對比之前的例子var_threshold (Image, Region, 4, 4, 0.2, 12, 'dark')的效果）
① 將AbsThreshold 由12改成30，此時分割出的區域變小。
1 read_image (Image, 'C:/1.png') 2 var_threshold (Image, Region, 4, 4, 0.2, 30, 'dark')
② AbsThreshold 保持12不變，將StdDevScale由0.2改成0.7，此時分割出的區域變小。
③ 將參數改為var_threshold (Image, Region, 4, 4, -0.01, 12, 'dark')，此時分割出的區域大大增加，由前面的分析可知，此時參數AbsThreshold = 12無效，事實上，此時將AbsThreshold 改為1、50甚至200都對最終結果沒有任何影響。
通過本人的分析，我認為StdDevScale取負值意義不大，因為它會分割出大量的不需要的區域，故一般推薦使用該算子時，StdDevScale取正值。
需要強調的是：在黑白過渡處，一般掩膜覆蓋的像素的標准差較大，而在其他平緩的地方，標准差較小；因此最終采用的分割閾值隨着掩膜在不斷遍歷像素的過程中，在(StdDevScale×標准差)和AbsThreshold 之間不斷切換。
var_threshold和dyn_threshold的區別和聯系：
dyn_threshold是將原圖和濾波平滑后的圖對比，var_threshold是將原圖和對應像素掩膜覆蓋的像素的平均灰度值對比。
在算子var_threshold中，如果參數StdDevScale = 0，那么就可以用動態閾值的方式非常近似地模擬。以下兩種算法的效果極為類似：
1 read_image (Image, 'C:/1.png') 2 var_threshold (Image, Region, 4, 4, 0, 12, 'dark')
1 read_image (Image, 'C:/1.png') 2 mean_image (Image, ImageMean, 4, 4) 3 dyn_threshold (Image, ImageMean, RegionDynThresh, 12, 'dark')
兩種方法的效果圖：
那么當StdDevScale ＞ 0 時，var_threshold對比dyn_threshold還存在什么優點呢？我認為是在黑白過渡處能減少分割出不需要的區域的概率。（因為黑白過渡處標准差大，當然前提是StdDevScale 不能設置得太小）
（網上關於這兩個算子的系統介紹很少，我的理解難免有不足之處，歡迎大家回復討論）