其他分享
首页 > 其他分享> > opencv-blob

opencv-blob

作者:互联网

1.什么是Blob?

       像素是图像中的一组连接像素,它们共享一些公共属性(例如灰度值)。在上面的图像中,暗连接区域是斑点,而斑点检测的目标是识别和标记这些区域。这个算法说白了就是检测图像的斑点,“一坨一坨”的异于周围背景的东西,代表的是一些“不同”的区域。

2. Blob检测是如何实现的?

      simpleblobdetector,顾名思义,就像下面描述的那样,是一个非常简单的算法。该算法由一些参数控制(如下所示),并具有以下步骤。从上往下来了解参数是如何设置的。

1.Thresholding :

      首先进行阈值分割。从设置的最小阈值minthreshold参数开始将源图分割为几个二值图。这些阈值是通过设置的步长thresholdStep 逐渐递增的,知道达到设置好的最大阈值maxThreshold参数。所以第一个阈值是minthreshold,第二个阈值是minthreshold+thresholdStep ,第三个阈值是minthreshold+2×thresholdStep ,以此类推。

2.Grouping:

      在每个二值图像中,连接的白像素被分组在一起。让我们调用这些斑点。

3.Merging  :

       合并。计算这些二值图中的斑点的中心,并且将相互之间距离小于设置的minDistBetweenBlobs 的斑点合并成一个。

4.Center & Radius Calculation:

      中心和半径的计算。计算这些合并后的斑点的中心和半径,并返回。

3.通过颜色,大小和形状过滤这些斑点

可以通过设置SimpleBlobDetector 函数的参数对斑点进行过滤,来获得我们所需要的斑点。

  1. 圆(Circularity ) :这个仅仅衡量斑点和圆有多相似。比如:正六边形比正方形有更高的圆度。通过类圆性来过滤,可以设置filterByCircularity = 1,然后给minCircularity 和maxCircularity设置恰当的参数。类圆性定义如下:也就是(4π×面积)/(周长的平方)。也就是说圆的类圆性是1,正方形的类圆性是0.785等等。
  2. 凸性(Convexity ):凸性的定义是(斑点的面积/斑点凸包的面积)。一个形状的凸包是严格凸的形状,并且完全封闭(这玩意在手势识别里还是蛮好用的,不懂得可以去了解下)。将filterByConvexity =1,接下来设置 0 ≤ minConvexity ≤ 1和maxConvexity ( ≤ 1) 。
  3. 惯量比(Inertia Ratio):不要被此吓倒(其实博主看的时候也不知道是啥)。数学经常使用一些迷惑性的语言去描述一些非常简单的东西。你所需要知道的是,这个测量了一个形状有多长。例如:对于一个圆,这个值是1,对于一个椭圆,它在0到1之间,对于一条直线,它是0。想要通过惯量比来过滤,需要设置filterByInertia =1, 0 ≤ minInertiaRatio ≤ 1,并且适当的设置参数maxInertiaRatio (≤ 1 )的值。

4.python代码实现

#!/usr/bin/python
 
# Standard imports
import cv2
import numpy as np;
 
# Read image
im = cv2.imread("blob.jpg", cv2.IMREAD_GRAYSCALE)
 
# Setup SimpleBlobDetector parameters.
params = cv2.SimpleBlobDetector_Params()
 
# Change thresholds
params.minThreshold = 10
params.maxThreshold = 200
 
 
# Filter by Area.
params.filterByArea = True
params.minArea = 1500
 
# Filter by Circularity
params.filterByCircularity = True
params.minCircularity = 0.1
 
# Filter by Convexity
params.filterByConvexity = True
params.minConvexity = 0.87
    
# Filter by Inertia
params.filterByInertia = True
params.minInertiaRatio = 0.01
 
# Create a detector with the parameters
ver = (cv2.__version__).split('.')
if int(ver[0]) < 3 :
	detector = cv2.SimpleBlobDetector(params)
else : 
	detector = cv2.SimpleBlobDetector_create(params)
 
 
# Detect blobs.
keypoints = detector.detect(im)
 
# Draw detected blobs as red circles.
# cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS ensures
# the size of the circle corresponds to the size of blob
 
im_with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
 
# Show blobs
cv2.imshow("Keypoints", im_with_keypoints)
cv2.waitKey(0)

效果图如下:

标签:阈值,斑点,cv2,opencv,params,blob,设置,参数
来源: https://blog.csdn.net/m0_55812384/article/details/122545888