blob
什么是Blob？blob是图像中一组共享的区域，它们具有一些共同的属性（例如灰度值,形状，尺寸等）blob检测的目的是识别并标记一些特定区域，blob检测在自动化工业领域比较常见。
OpenCV提供了一种方便的方法来检测blob并根据不同的特征对其进行过滤。那就是
SimpleBlobDetector检测算法
OpenCV实现的算法如下：
1. 对[minThreshold,maxThreshold)区间，以thresholdStep为间隔，做多次二值化。2. 对每张二值图片，使用提取连通域并计算每一个连通域的中心。3. 根据2得到的中心，全部放在一起。一些很接近的点［由theminDistBetweenBlobs控制多少才算接近］被归为一个group,对应一个bolb特征..4. 从3得到的那些点,估计最后的blob特征和相应半径，并以key points返回。首先我们先按照默认的配置建立一个简单的blob检测实例
import cv2 import numpy as np; im = cv2.imread(&34;, cv2.IMREAD_GRAYSCALE) detector = cv2.SimpleBlobDetector_create() keypoints = detector.detect(im) with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS) cv2.imshow(&34;, with_keypoints) cv2.waitKey(0)首先我们读入一张需要检测的图片
并使用cv2.SimpleBlobDetector_create检测函数建立一个检测器，这里需要注意的是CV2 3.0以前的版本，请使用cv2.SimpleBlobDetector函数，这里的cv2.IMREAD_GRAYSCALE便是打开图片的时候并转换成灰度空间，这个跟函数cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)实现的功能一样，只是2种不同的写法。
然后使用detector.detect函数，对图片进行检测，函数返回检测到的关键点
最后使用cv2.drawKeypoints函数画出图片中检测到的blob即可
cv2.drawKeypoints（）函数主要包含五个参数：
· image:也就是原始图片 · keypoints：从原图中获得的关键点，这也是画图时所用到的数据 · outputimage：输出 · color：颜色设置，通过修改（b,g,r）的值,更改画笔的颜色，b=蓝色，g=绿色，r=红色。 · flags：绘图功能的标识设置，主要包括如下： cv2.DRAW_MATCHES_FLAGS_DEFAULT, cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG, cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS代码截图
SimpleBlobDetector基于以下描述的相当简单的算法。该算法由不同的参数控制
blob
阈值处理：通过使用以minThreshold开始的阈值对源图像进行阈值处理，将源图像转换为多个二进制图像 。这些阈值以thresholdStep递增， 直到 maxThreshold。
因此，第一个阈值为 minThreshold，
第二个阈值为 minThreshold + thresholdStep，
第三个阈 值为 minThreshold + 2 x thresholdStep，依此类推。
1. 分组： 在每个二进制图像中，连接的白色像素被分组在一起。我们称这些二进制斑点为一。
2. 合并 ：计算二进制图像中二进制斑点的中心，并合并比minDistBetweenBlob 更近的斑点 。
3. 中心和半径计算： 计算并返回新合并的Blob的中心和半径。
按颜色，大小和形状过滤斑点可以设置SimpleBlobDetector的参数以过滤所需的Blob类型。
· 按颜色： 首先，您需要设置 filterByColor =1。设置 blobColor = 0以选择较暗的blob，将 blobColor = 255设置为较浅的blob。 · 按大小： 通过设置参数filterByArea = 1以及minArea 和maxArea的适当值， 可以基于大小过滤blob 。例如，设置 minArea = 100将滤除所有少于100个像素的斑点。· 按形状： 现在形状具有三个不同的参数。1. 圆度： 这只是测量斑点距圆的距离。例如，正六边形的圆度比正方形大。要按圆度过滤，请设置 filterByCircularity =1。然后为minCircularity 和maxCircularity设置适当的值。 圆度定义为。
圆度
这意味着圆的圆度为1，正方形的圆度为0.785，依此类推。
圆度
2. 凸性： 一张图片值一千字。凸度定义为（斑点的面积/凸包的面积）。现在，形状的凸包是完全封闭该形状的最紧密的凸形。由凸滤波器，集 filterByConvexity = 1 ，然后设置0≤ minConvexity ≤1和maxConvexity（≤1）
凸性
3. 惯性比：对于一个圆，该值是1，对于椭圆它是0和1之间，而对于线是0。要通过过滤器惯量比，设置 filterByInertia = 1 ， 并设置0≤ minInertiaRatio ≤1和 maxInertiaRatio （≤1 ）适当地。
惯性比
通过以上参数的设计，我们可以选择符合我们需求的blob值进行检测
import cv2 import numpy as np im = cv2.imread(&34;, cv2.IMREAD_GRAYSCALE) params = cv2.SimpleBlobDetector_Params() 设置选择区域 params.filterByArea = True params.minArea = 1500 设置凸度 params.filterByConvexity = True params.minConvexity = 0.87 34;Keypoints&二值化的阈值步长，即公式1的t minThreshold = 50; 二值化的终止阈值，即公式1的T2 最小的斑点距离，不同二值图像的斑点间距离小于该值时，被认为是同一个位置的斑点，否则是不同位置上的斑点 minDistBetweenBlobs = 10; filterByColor = true; 表示只提取黑色斑点；如果该变量为255，表示只提取白色斑点 filterByArea = true; 斑点的最小面积 maxArea = 5000; 斑点圆度的限制变量，默认是不限制 minCircularity = 0.8f; 斑点的最大圆度，所能表示的float类型的最大值 maxCircularity = std::numeric_limits<float>::max(); filterByInertia = true; 斑点的最小惯性率 maxInertiaRatio = std::numeric_limits<float>::max(); 斑点凸度的限制变量 minConvexity = 0.95f; 斑点的最大凸度}首先我们定义好不同的参数，包含：阈值，尺寸，圆度，凸度，惯性比等参数，这些参数可以过滤到我们不需要的blob，运行以上代码便可以查看结果
blob检测
代码截图
一般blob的主要应用于工业领域，比如产品的坏点检测，自动化产线上的产品尺寸大小检测，产品方向，位置，角度检测等等
这就需要使用视频实时检测
Blob的视频实时检测import cv2 import numpy as np import time params = cv2.SimpleBlobDetector_Params() 设置选择区域 params.filterByArea = True params.minArea = 1500 设置凸度 params.filterByConvexity = True params.minConvexity = 0.87 39;blob&34;Keypoints&39;q&34;../test.avi") 2、ret,frame = cap.read() cap.read()按帧读取视频，ret,frame是获cap.read()方法的两个返回值。 其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾， 它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。 3、cv2.waitKey(1)，waitKey（）方法本身表示等待键盘输入， 参数是1，表示延时1ms切换到下一帧图像，对于视频而言； 参数为0，如cv2.waitKey(0)只显示当前帧图像，相当于视频暂停,等待用户输入任意键； 参数过大如cv2.waitKey(1000)，会因为延时过久而卡顿感觉到卡顿。当键盘输入q字母时，退出程序运行 4、调用release()释放摄像头，调用destroyAllWindows()关闭所有图像窗口。代码截图
本站所发布的文字与图片素材为非商业目的改编或整理，版权归原作者所有，如侵权或涉及违法，请联系我们删除
热门信息
阅读 ()
1 注册微信号怎么注册第二个阅读 ()
2 怎么把照片变成卡通头像阅读 ()
3 手机越充越少电怎么解决