【C# + HALCON 机器视觉】HALCON经典算子：圆形膨胀（dilation_circle）与圆形腐蚀（erosion_circle）

摘要：本文聚焦 C# 与 HALCON 在机器视觉领域的应用，深入阐述圆形膨胀（dilation_circle）与圆形腐蚀（erosion_circle）算子原理，以 PCB 焊点缺陷检测为案例，展示对二值化图像进行膨胀填补断裂、腐蚀去除毛刺，结合 connection 算子分割粘连区域并统计缺陷数量的过程。同时介绍通过 Modbus 协议实现 C# 与 PLC 联动分拣 NG 品，以及性能优化、异常处理和跨平台集成的方法，为相关领域实践提供参考。

【C# + HALCON 机器视觉】HALCON经典算子：圆形膨胀（dilation_circle）与圆形腐蚀（erosion_circle）

关键词：C#；HALCON；圆形膨胀；圆形腐蚀；PCB 焊点检测；Modbus 协议；机器视觉

一、引言

在现代工业制造领域，机器视觉技术发挥着至关重要的作用，特别是在产品质量检测方面。PCB（Printed Circuit Board，印刷电路板）作为电子设备的核心部件，其质量直接影响着电子设备的性能和稳定性。因此，对PCB焊点进行高效、准确的缺陷检测显得尤为重要。

HALCON作为一款功能强大的机器视觉软件库，提供了丰富的图像处理算子，能够满足各种复杂的视觉检测需求。其中，圆形膨胀（dilation_circle）和圆形腐蚀（erosion_circle）是两个经典的形态学操作算子，在PCB焊点缺陷检测中有着广泛的应用。

本文将详细介绍圆形膨胀和圆形腐蚀算子的原理、应用场景，并结合实际案例，展示如何使用C#集成HALCON来实现PCB焊点缺陷检测，同时给出性能优化、异常处理和跨平台集成的相关建议和实现方法。

二、圆形膨胀（dilation_circle）与圆形腐蚀（erosion_circle）算子原理

2.1 形态学操作基础

形态学操作是基于图像的形状进行的处理，主要用于图像的预处理、分割、特征提取等方面。形态学操作的基本思想是用一个结构元素（通常是一个小的二值图像）对输入图像进行遍历，根据结构元素与输入图像的相对位置关系来改变图像的像素值。

2.2 圆形膨胀（dilation_circle）

圆形膨胀是一种形态学膨胀操作，其作用是将图像中的物体边界向外扩展。在圆形膨胀操作中，使用一个圆形的结构元素对输入图像进行遍历，当结构元素与输入图像的某个像素位置重叠时，如果结构元素覆盖的区域内至少有一个像素值为前景（通常为白色），则将该像素位置的像素值设置为前景。

圆形膨胀的数学定义如下：
设输入图像为 $A$，结构元素为 $B$，圆形膨胀操作可以表示为 $A\oplus B$，其中：
( A ⊕ B ) ( x , y ) = max ⁡ ( i , j ) ∈ B { A ( x − i , y − j ) } (A \oplus B)(x,y) = \max_{(i,j) \in B} \{ A(x - i, y - j) \} (A⊕B)(x,y)=(i,j)∈Bmax​{ A(x−i,y−j)}

圆形膨胀的主要作用包括：

• 填补物体内部的小孔和断裂区域。
• 连接相邻的物体。
• 增大物体的面积和尺寸。

2.3 圆形腐蚀（erosion_circle）

圆形腐蚀是一种形态学腐蚀操作，其作用是将图像中的物体边界向内收缩。在圆形腐蚀操作中，使用一个圆形的结构元素对输入图像进行遍历，当结构元素与输入图像的某个像素位置重叠时，如果结构元素覆盖的区域内所有像素值都为前景（通常为白色），则将该像素位置的像素值设置为前景，否则设置为背景（通常为黑色）。

圆形腐蚀的数学定义如下：
设输入图像为 $A$，结构元素为 $B$，圆形腐蚀操作可以表示为 $A\ominus B$，其中：