图像处理的流程：获取图像-分割区域-特征提取。
嵌入式工业读码器 ：包括DM码、QR码、vericode码
Blob分析与形态学
1.Blob区域是Blobs这一数据类型在halcon中的一种贴切的表达形式。
采集图像-区域分割，最后通过特征（如圆度、面积、矩形度等）筛选，这一过程被称为Blob（binary large objects）分析。
2.形态学
形态学是对区域大小调整的一种非常重要的方法和概念。形态学包括[开运算、闭运算、腐蚀、膨胀]
形态学需要引入一个新的概念，即结构元素。
开运算可以去除小区域以及原区域中突出的细节部分；闭运算可以填补相邻区域以及空洞；
腐蚀，会有一个结构元素，即一个形状的像素组合，以这个结构元素的中心点像素来计算保留处，这个结构元素在目标元素中逐行移动，若目标元素中的形状和结构元素相同，这个目标元素中对应中心点像素保留。
膨胀，与腐蚀相反，即参照一个结构元素，这个结构元素我们可以设定中心点，需要膨胀的位置，然后顺着图像一格一格走，只要有和中心点有交集，即可按结构元素膨胀。开运算就是先腐蚀再膨胀，闭运算就是先膨胀再腐蚀。
灰度直方图。在图像处理中使用非常频繁，比如分开绿豆和红豆，可以拍照后选择灰度，红色和绿色灰度不同，通过直方图选择灰度范围，即可选择出红豆或绿豆。
特征直方图。比如圆度、面积。
颜色空间：halcon支持的颜色空间、通道与颜色空间的转化、通道与区域分割方法
几何定位+仿射变换+视觉测量
定位三方法：Blob定位、模板匹配、深度学习
仿射变换：就是一种特殊的几何变换，是一种投影，常见的有旋转、平移、缩放（就是矩阵间的运算）。
Blob分析 模板匹配
2D项目的大致流程：
1.图像采集
2.预处理，主要有两种方法，对比度和去噪
对比度：
Scale_image(灰度缩放算子，在灰度直方图里操作，线性拉伸灰度)
Emphsize（增强算子）
grey_range_rect(增加灰度动态范围的算子)
equ_histo_image(直方图均匀化，让图片灰度分布更均匀)
去噪：
mean_image(均值滤波)、高斯滤波、中值滤波
图像分割：
二值化、形态选择、形态学
特征识别和求取计算
显示与通讯
halcon中涉及的图像处理十大理论知识：
1.图像处理基础知识
2.图像的灰度变换
3.图像增强（预处理：增强对比度和去噪（均值、中值、高斯滤波））
4.图像的几何变换（仿射变换、投影变换、极坐标变换等）
5.图像分割（边缘提取，Blob分析等）
6.图像的频域（缺陷划痕检测等）
7.图像的形态学（膨胀、腐蚀、开运算、闭运算等）
8.图像的复原（这点halcon涉及不多主要是刑侦用）
9.运动图像（运动检测，差分、光流法）
10.图像配准（模板匹配等）