【数字图像处理学习笔记之三】Blob分析

         Blob在机器视觉中是指图像中的具有相似颜色、纹理等特征所组成的一块连通区域。Blob分析就是对这一块连通区域进行几何分析得到一些重要的几何特征，例如：区域的面积、中心点坐标、质心坐标、最小外接矩形、主轴等。

         Blob分析的一般步骤：

（1）图像分割：分离出前景和背景

（2）连通性分析：根据目标的连通性对目标区域进行标记，或者叫拓扑性分析

（3）特征量计算：描述了区域的几何特征，这些几何特征不依赖与灰度值

        一个很简单的例子：



         1.图像分割

             将图像分离为目标像素和背景像素，初始分割之后一般需要进行形态学处理才能满足使用要求。常用分割方法：直接输入；硬阈值分割；软阈值分割。常用形态学处理包括：连通、膨胀、腐蚀、开操作、闭操作、顶帽变换、击中与不击中变换、交集、差异、骨架、边界等。

阈值分割又包括：

1）简单阈值分割threshold

适用范围：目标与背景之间存在灰度差（如果环境稳定，阈值可以在离线状态下一次确定）

2）动态阈值分割dyn_threshold

适用范围：背景不均一无法确定全局阈值、目标经常表现为比背景局部亮一些或者暗一些。这时候需要通过其领域来找到一个合适的阈值进行分割。确定其领域的方法是：通过一些平滑滤波算子来确定领域，例如mean_image或者binomial_filter

3）自动全局阈值方法bin_threshold

4）watersheds_threshold

          2.特征量计算常用

area_center,区域面积Area和中心（Row，Column）

area_center_gray,区域面积Area和灰度中心（Row，Column）

smallest_rectangle1最小外接矩形

smallest_rectangle2最小外接仿射矩形,

compactness,紧凑度

elliptic_axis,计算region区域中的椭圆参数

intensity,计算region区域的灰度平均值和偏差

min_max_gray，最小最大灰度值