项目流程总结：采集-预处理-定位-特征提取-识别-显示
1.图像预处理
按作用域划分 空间域包括有中值（median_image）、均值（mean_image）、高斯滤波；
频域：模板滑动；
按功能划分 增强对比度：线性变换（scale_image ）、直方图均衡化（equ_histo_image）、灰度形态学（gray_）、emphasize
去噪声：各类滤波
2.定位：
（1）Blob分析（受光照影响大）
二值化（threshold）//特征提取（select_shape）
先将图像灰度化，再打开工具栏-打开灰度直方图，勾选范围筛选中的阈值，然后在直方图中拖动选择，之后点击插入代码即可。
二值化之后一般要把同一片区域利用connection函数形成不同的连通域，再打开特征直方图进行利用不同特征来进行目标区域选择。如果单个特征无法准确选择目标区域，还可点击表格上的“+”号，添加其他特征。
注：图片或者图片背景时，直接二值化难以区分，则考虑将RGB图像进行颜色空间转换，选择合适通道进行区域定位（Blob分析），经过填充等处理之后进行矫正 （仿射变换），最后抠图（reduce_domain），以达到减少背景干扰的目的。
相关算子：decompose3（分离通道） trans_from_rgb（转换成HSV）
（2）仿射变换（affine_trans_region）是一种特殊的几何变换，包括旋转、缩放、平移。
配合使用算子: hom_mat2d_（产生齐次变换矩阵：平移、缩放、旋转） vector_angle_to_rigid（从点和角度计算刚性仿射变换）
orientation_region（计算区域角度） area_center（计算面积、中心坐标）
（3）模板匹配
3.形态学概念
腐蚀（erosion） 注：针对灰度图像表现为亮度减弱，其他的表现为形状断开
开运算（opening）：先腐蚀后膨胀，程度比腐蚀弱一些
膨胀（dilation） 注：针对灰度图像表现为亮度加强，其他的表现为形状连接
闭运算（closing）：先膨胀后腐蚀，程度比膨胀弱一些
注意在算子使用时选择相应形状元素，如圆形，矩形。
4.封装自定义算子
选中要封装的代码，点击工具栏的函数—创建新函数，根据自己的需要填写各项设置。
注：在一般设置-类型中，若选择本地程序函数，再次创建新的工程就没有了，如果想在外部也能够调用则需选择库函数，调用方法：函数-管理函数-Procedures-目录-添加库。
5.数据类型
图形变量:image 、region、xld（亚像素轮廓）
控制变量