OpenCV中的Blob分析演示

概述

Blob检测在传统灰度图像分析与测量中是常用功能之一，Blob检测可以快速从灰度图像中定位跟提取各种常见的几何形状，可以根据面积、灰度值、圆度、凸度、惯量进行过滤得到符合需求的各种Blob形状，实现检测的定位与检测。支持的五种度量过滤图示如下：

OpenCV中支持函数

OpenCV中已经实现了Blob对象检测算法，对应的函数如下：


cv::SimpleBlobDetector::create (
  const SimpleBlobDetector::Params & parameters =SimpleBlobDetector::Params()
)

参数支持如下：
uchar      blobColor

// 支持的五种过滤方式

bool filterByArea // 面积过滤，True表示启用
bool filterByCircularity // 圆度过滤，True表示启用
bool filterByColor // 值过滤，True表示启用
bool filterByConvexity // 凸度过滤，True表示启用
bool filterByInertia // 惯量过滤，True表示启用

// 每种方式的最小与最大参数阈值

float        maxArea
float        maxCircularity
float        maxConvexity
float        maxInertiaRatio
float        maxThreshold
float        minArea
float        minCircularity
float        minConvexity
float        minDistBetweenBlobs
float        minInertiaRatio
size_t       minRepeatability
float        minThreshold
float        thresholdStep

其中 圆度、凸度、惯量的取值范围均为[0, 1]之间。输入灰度图像，调用之后输出的是KeyPoint数据结构的List，其中KeyPoint结构中pt表示返回的每个Blob的中心位置，size表示宽度/直径。

案例：Blob分析

创建Blob对象与初始化参数设置的代码如下：

params = cv.SimpleBlobDetector_Params()
# 面积过滤
params.blobColor = False
params.filterByArea = False
params.minArea = 100
params.maxArea = 800

# 圆度过滤， 取值范围 0 ~ 1
params.filterByCircularity = False
params.minCircularity = 0.8
params.maxCircularity = 1.0

# 颜色过滤
params.filterByColor = True
params.minThreshold = 50
params.maxThreshold = 100

# 凸度过滤， 取值范围 0 ~ 1
params.filterByConvexity = False
params.minConvexity = 0.98
params.maxConvexity = 0.99

# 惯量过滤, 取值范围 0 ~ 1
params.filterByInertia = False
params.minInertiaRatio = 0.8
params.maxInertiaRatio = 1.0

detector = cv.SimpleBlobDetector.create(params)

检测代码与运行结果如下：

gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
keypoints = detector.detect(gray)
for kp in keypoints:
         cv.circle(image, (np.int(kp.pt[0]), np.int(kp.pt[1])), 3, (0, 255, 0), -1, 8)
         cv.circle(image, (np.int(kp.pt[0]), np.int(kp.pt[1])), np.int(kp.size/2), (0, 0, 255), 2, 8)

运行结果如下：