Blob分析

1、意义

Blob分析是对图像中相同像素的连通域进行分析，该连通域称为Blob。

Blob分析可为机器视觉应用提供图像中的斑点的数量、位置、形状和方向，还可以提供相关斑点间的拓扑结构。

2、适用范围

仅针对二维目标图像和高对比度图像，适用于有无检测和缺陷检测。

纺织品的瑕疵检测，玻璃的瑕疵检测，机械零件表面缺陷检测，可乐瓶缺陷检测，药品胶囊缺陷检测等很多场合都会用到blob分析。

3、Blob分析的主要过程

获取图像->分割图像（区分前景像素和背景像素）->特征提取（比如面积、重心、旋转角度等）

halcon代码实现：

read_image(Image,'particle')

threshold(Image, BrightPixels,120,255)

connection(BrightPixels,Particles)

area_center(Particles,Area,Row,Column)

4、Blob分析延伸

在实际应用中，需要处理更多步骤，因为很多实际因素，目标信息很难处理。比如图像中有很多杂斑（很难提取目标位），光照不均等。

还有Blob分析需要后期处理。比如将特征信息转换成实际坐标信息，显示目标物等。

获取图像->应用ROI->定位ROI->矫正图像->图像预处理->动态获取分割参数->分割图像->处理区域->特征提取->将像素坐标转换到世界坐标->结果显示或者输出

图像预处理常用算子：

mean_image:均值滤波

gauss_image:高斯滤波

median_image:中值滤波

动态获取分割参数常用算子：

gray_histo_abs:灰度直方图

histo_to_thresh:直方图二值化

5、分割图像

threshold算子，最简单，最快速，使用频率最高的方法，适用于目标体和背景之间存在一定的灰度差的场景

自动全局阈值分割方法一：

计算直方图；

寻找出现频率最多的灰度值；

在threshold中使用与最大值有一定的距离的值作为阀值；

halcon代码实现：

gray_histo(Image,Image,AbsoluteHisto,RelativeHisto)

PeakGray := sort_index(AbsoluteHisto)[255]

threshold(Image,Region,0,PeakGray -25)

自动全局阈值分割方法二：

多次迭代平滑；

查找两个波峰；

使用threshold找到两波峰之间的最小值

bin_threshold（Image,Region）

常用图像分割算子：

threshold:全局阈值二值化

bin_threshold:自动阈值二值化

dyn_threshold:本地阈值二值化

watersheds:分水岭

6、特征提取

1)区域特征

面积area，力矩Moments，平行于主轴的最小矩形smallest_rectangle1,任意方向的最小矩形smallest_rectangle2，

最小圆形smallest_circle，convexity:凸包面积，contlength:区域边界长度

形状特征roundness，circularity，compactness，rectangularity

2)灰度特征

简单灰度值特征：区域的平均灰度值

区域的最小和最大灰度值

7、c++应用实例

Hobject rect;

gen_rectangle1(&rect, m_pStToolParam_BwArea->rcROIRect.Row1,m_pStToolParam_BwArea->rcROIRect.Col1,

 m_pStToolParam_BwArea->rcROIRect.Row2,m_pStToolParam_BwArea->rcROIRect.Col2);

HTuple S1,S2;

count_seconds(&S1);

threshold(ImageROI,&ConnectedRegions);

area_center(ConnectedRegions,&(m_pStToolParam_BwArea->tArea),&(m_pStToolParam_BwArea->tPosRow),

&(m_pStToolParam_BwArea->tPosCol));

disp_obj(Region,*pWnd);