HALCON有很多阈值提取方法，但是真要工业应用能用的并不多。因为工业视觉中，图像因样品不一致，光照不一致，往往导致待提取的物体，并不会简单的只有前景和背景，其直方图，也不会老老实实的仅有两个峰值。像如下这种图片，在工业视觉中，只能是打光非常好的情况下才能出现。 对于这种的提取，设置固定阈值，或者binary_threshold，char_threshold都可以很快把字符分割出来。

类似于HALCON的这几种阈值提取方法，对于界线会变化的场合，有时就不够用了。 但是一般来讲，虽然光源变化，但是对于重复性高的工业场合，往往图片的构成基本上是稳定的。 若从直方图上反应的化，就是直方图的整体形状是类似的，但是由于环境的变化，其分割感兴趣区域的最佳阈值，会随着环境变化而变化。 处理这种变化有以下几种思路： 1.先找到一张基准图像，设置最合适的阈值，然后，后续图像测量图像的平均灰度值（或者其他方法，以评价环境的变化情况），根据环境的变化情况，动态补偿提取的阈值。例如，如果后续图像变亮了，就在最开始设置的阈值上，加上一定的变化量，反之，环境变暗则，减去。 这种方法可以适当的补偿，很多情况下是有用的，但是总有种不放心的感觉，设置这个变化量需要尝试很多，而且不知道能不能完全兼容； 2.方法2，则是从图片角度进行分析，如果感兴趣区域与图片的面积比例关系稳定，则不妨可以可以将这种关系转换为阈值提取的阈值。利用提取图像区域，这个区域占图像的比率稳定为30%； 这种方法的实现的几个步骤可以如下： 1/提取整个区域的直方图（gray_histo）; 2/计算直方图累计面积（tuple_cumul） 3/数组计算，获取对应面积区域对应的索引（即阈值） 4/用threshold方法，用刚才的阈值进行提取图像感兴趣区域； 这种方法，对环境整体光源变化影响较小。 3.方法3，通过直方图分析，如果图像有明显的峰值分布，但是并不是如例程中的，只有2个峰值；而是3个，或者更多；而目的需要提取指定峰值区域的部分。可以按下面方法实现：

当让，抑制环境变化的方法还有很多。