解锁Halcon灰度投影的高级技巧：'rectangle'模式在旋转目标检测中的实战应用

在工业视觉检测中，我们常常需要分析非标准摆放的物体——倾斜的包装袋、旋转的液晶屏、歪斜的印刷字符。传统的'simple'投影模式在这些场景下往往力不从心，而Halcon的gray_projections算子中隐藏着一个被多数开发者忽视的利器：'rectangle'模式。本文将带您深入探索这一模式的几何原理与实战价值，彻底改变您对灰度投影的认知。

1. 灰度投影的两种模式：几何视角下的本质差异

当我们谈论灰度投影时，多数开发者脑海中浮现的是沿图像坐标系x/y轴方向的简单累加。这种'simple'模式确实能满足基础需求，但当遇到旋转区域时，其局限性立刻显现。让我们从几何角度重新理解这两种模式的本质区别。

'simple'模式的数学表达：

• 水平投影：$P_y = \frac{1}{w}\sum_{x=x_{min}}^{x_{max}} I(x,y)$
• 垂直投影：$P_x = \frac{1}{h}\sum_{y=y_{min}}^{y_{max}} I(x,y)$

这种计算完全基于图像坐标系，与区域的实际方向无关。而'rectangle'模式则采用了完全不同的策略：

1. 首先计算区域的最小外接旋转矩形（使用smallest_rectangle2相同的算法）
2. 确定该矩形的主轴方向（长边方向）
3. 沿主轴方向及其垂直方向进行投影计算

python复制# Halcon代码示例：两种模式的直观对比
read_image (Image, 'pcb_rotated.png')
gen_rectangle2 (ROI, 256, 256, rad(30), 100, 50)
gray_projections (ROI, Image, 'simple', HorSimple, VertSimple)
gray_projections (ROI, Image, 'rectangle', HorRect, VertRect)

下表展示了两种模式的核心差异：

| 特征 | 'simple'模式 | 'rectangle'模式 |
|------