1、Blob分析：?

1.1、blob分析概念在計算機視覺中的Blob(Binary large object)是指圖像中的具有相似顏色、紋理等特征所組成的一塊連通區域，一般來說，該區域就是圖像中的前景。?

在Halcon中，Blob是一個提取所得的region。

舉例來說，假如現在有一塊剛生產出來的玻璃，表面非常光滑，平整。如果這塊玻璃上面沒有瑕疵，那么，我們是檢測不到“灰度突變”的；相反，如果在玻璃生產線上，由于種種原因，造成了玻璃上面有一個凸起的小泡、有一塊黑斑、有一點裂縫。
blob分析應用案例：紡織品的瑕疵檢測，玻璃的瑕疵檢測，機械零件表面缺陷檢測，可樂瓶缺陷檢測，藥品膠囊缺陷檢測等場合。

1.2、Blob分析目的

Blob分析目的在于對圖像中的2-D形狀進行檢測和分析，得到諸如目標位置、形狀、方向和目標間的拓撲關系（即包含關系）等信息。根據這些信息可對目標進行識別。在某些應用中我們不僅需要利用2D的形狀特征，還要利用Blob分析之間的特征關系。

1.3、blob分析的主要內容

Blob分析的主要內容包括：（1）圖像分割：將圖像中的目標和背景分離。（2）去噪：消除或減弱噪聲對目標的干擾：（3）場景描述：對目標之間的拓撲關系進行描述。（4）特征量計算：計算目標的2-D形狀特征。

Blob的實現流程大致可分為3個步驟：獲取圖像、提取Blob、Blob分析。

1. 獲取圖像：獲取圖像是指通過相機設備得到原始圖像
2. 提取Blob：提取Blob是根據需求提取要分析的目標二指區域
3. Blob分析：對提取出來的二值區域進行特征分析

?在提取Blob之前一般要設計圖像的去噪和增強處理；分析Blob之后需要將Blob進行選取，或者將Blob重心的像素值向物理坐標系坐標值的轉化等操作。

因此，Blob分析其實就是將圖像二值化，分割得到前景和背景，然后進行連通區域檢測以及面積、周長重心等特征的分析，從而得到Blob的過程。

1.4、Blob分析中主要包含以下圖像處理技術：

1、圖像分割：Blob分析實際上是對閉合形狀進行特征分析。在Blob分析之前，必須將圖像分割為目標和背景。圖像分割是圖像處理的一大類技術，在Blob分析中擬提供分割技術包括：直接輸入、固定硬閾值、相對硬閾值、動態硬閾值、固定軟閾值、相對軟閾值、像素映射、閾值圖像。其中固定軟閾值和相對軟閾值方法可在一定程度上消除空間量化誤差，從而提高目標特征量的計算精度。

2、形態學操作：形態學操作的目的是去除噪聲點的影響。

3、連通性分析：將目標從像素級轉換到連通分量級。

4、特征值計算：對每個目標進行特征量計算，包括面積、周長、質心坐標等特征。

5、場景描述：對場景中目標之間的拓撲關系進行描述。

Blob分析主要適用于一下機器視覺應用：二維目標圖像、高對比度圖像、存在/缺席檢測、數值范圍和旋轉不變性需求。

Blob分析不適用于一下機器視覺應用：低對比度圖像、不能夠用兩個灰度表示的特征、圖形檢測需求。

以下是來自百度文庫的資料：

?

2、圖像分割

2.1、引言

? ? ? ? ?所謂圖像分割是指根據灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個互不相交的區域，使得這些特征在同一區域內，表現出一致性或相似性，而在不同區域間表現出明顯的不同，簡單的講，就是在一幅圖像中，把目標從背景中分離出來，以便于進一步處理。圖像分割是圖像處理與計算機視覺領域低層次視覺中最為基礎和重要的領域之一，它是對圖像進行視覺分析和模式識別的基本前提．同時它也是一個經典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標準。
? ? ? ? 閾值法是一種傳統的圖像分割方法，因其實現簡單、計算量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術．已被應用于很多的領域，例如，在紅外技術應用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統中目標的分割；在遙感應用中，合成孔徑雷達圖像中目標的分割等；在醫學應用中，血液細胞圖像的分割，磁共振圖像的分割；在農業工程應用中，水果品質無損檢測過程中水果圖像與背景的分割。在工業生產中，機器視覺運用于產品質量檢測等等。在這些應用中，分割是對圖像進一步分析、識別的前提，分割的準確性將直接影響后續任務的有效性，其中閾值的選取是圖像閾值分割方法中的關鍵技術。

2.2、閾值分割的基本概念

? ? ? ? 圖像閾值化分割是一種最常用，同時也是最簡單的圖像分割方法，它特別適用于目標和背景占據不同灰度級范圍的圖像。它不僅可以極大的壓縮數據量，而且也大大簡化了分析和處理步驟，因此在很多情況下，是進行圖像分析、特征提取與模式識別之前的必要的圖像預處理過程。圖像閾值化的目的是要按照灰度級，對像素集合進行一個劃分，得到的每個子集形成一個與現實景物相對應的區域，各個區域內部具有一致的屬性，而相鄰區域布局有這種一致屬性。這樣的劃分可以通過從灰度級出發選取一個或多個閾值來實現。
? ? ? ? 閾值分割法是一種基于區域的圖像分割技術，其基本原理是：通過設定不同的特征閾值，把圖像像素點分為若干類．常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征．設原始圖像為f(x，y)，按照一定的準則在f(x，y)中找到特征值T，將圖像分割為兩個部分。

? ? ? ? 圖像閾值分割是一種廣泛應用的分割技術，利用圖像中要提取的目標區域與其背景在灰度特性上的差異，把圖像看作具有不同灰度級的兩類區域(目標區域和背景區域)的組合，選取一個比較合理的閾值，以確定圖像中每個像素點應該屬于目標區域還是背景區域，從而產生相應的二值圖像。
? ? ? ?一幅圖像包括目標物體、背景還有噪聲，要想從多值的數字圖像中直接提取出目標物體，常用的方法就是設定一個閾值T，用T將圖像的數據分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化（Binarization）。

2.3、閾值分割的方法

將圖像分離為目標像素和背景像素，初始分割之后一般需要進行形態學處理才能滿足使用要求。
常用分割方法：直接輸入；硬閾值分割；軟閾值分割。
常用形態學處理：連通、膨脹、腐蝕、開操作、閉操作、頂帽變換、擊中與不擊中變換、交集、差異、骨架、邊界等。

在halcon中使用到的閾值分割為：

文章參考：https://blog.csdn.net/weixin_43958974/article/details/85083576

總結

以上是生活随笔為你收集整理的数字图像处理：blob分析、阈值分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。