halcon判断blob包含关系

在Halcon中，可以使用`included`函数来判断两个区域之间的包含关系。该函数的语法如下：

included(Region1, Region2 : IsIncluded)

其中，`Region1`和`Region2`分别表示需要比较的两个区域，`IsIncluded`是一个输出参数，表示是否包含的逻辑值。如果`IsIncluded`的值为`true`，则表示`Region1`包含`Region2`；如果`IsIncluded`的值为`false`，则表示`Region1`不包含`Region2`。

例如，下面的代码演示了如何使用`included`函数来判断两个blob之间的包含关系：

read_image(Image, 'blob_image.jpg')
threshold(Image, Region, 128, 255)

// 连通区域分析
connection(Region, ConnectedRegions)
select_shape(ConnectedRegions, SelectedRegions, 'area', 'and', [100, 10000])

// 判断包含关系
gen_circle(Circle, 150, 150, 50)
intersection(SelectedRegions, Circle, Intersection)
included(SelectedRegions, Circle, IsIncluded)

// 显示结果
disp_image(Image)
set_color('red')
disp_region(SelectedRegions)
disp_region(Circle)
if (IsIncluded)
    set_color('green')
else
    set_color('blue')
endif
disp_region(Intersection)

这个例子中，我们首先读入了一张图像，并使用`threshold`函数将其二值化。然后，我们使用`connection`函数对连通区域进行分析，并使用`select_shape`函数选择面积在100到10000之间的连通区域作为blob。接着，我们使用`gen_circle`函数创建了一个圆形区域，并使用`intersection`函数计算了圆形区域和blob之间的交集。最后，我们使用`included`函数判断了blob是否包含在圆形区域内，并使用`disp_region`函数显示了blob、圆形区域和它们之间的交集。