1、Blob分析：

1.1、blob分析概念在计算机视觉中的Blob(Binary large object)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，一般来说，该区域就是图像中的前景。

在Halcon中，Blob是一个提取所得的region。

举例来说，假如现在有一块刚生产出来的玻璃，表面非常光滑，平整。如果这块玻璃上面没有瑕疵，那么，我们是检测不到“灰度突变”的；相反，如果在玻璃生产线上，由于种种原因，造成了玻璃上面有一个凸起的小泡、有一块黑斑、有一点裂缝。
blob分析应用案例：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场合。

1.2、Blob分析目的

Blob分析目的在于对图像中的2-D形状进行检测和分析，得到诸如目标位置、形状、方向和目标间的拓扑关系（即包含关系）等信息。根据这些信息可对目标进行识别。在某些应用中我们不仅需要利用2D的形状特征，还要利用Blob分析之间的特征关系。

1.3、blob分析的主要内容

Blob分析的主要内容包括：（1）图像分割：将图像中的目标和背景分离。（2）去噪：消除或减弱噪声对目标的干扰：（3）场景描述：对目标之间的拓扑关系进行描述。（4）特征量计算：计算目标的2-D形状特征。

Blob的实现流程大致可分为3个步骤：获取图像、提取Blob、Blob分析。

获取图像：获取图像是指通过相机设备得到原始图像
提取Blob：提取Blob是根据需求提取要分析的目标二指区域
Blob分析：对提取出来的二值区域进行特征分析

在提取Blob之前一般要设计图像的去噪和增强处理；分析Blob之后需要将Blob进行选取，或者将Blob重心的像素值向物理坐标系坐标值的转化等操作。

因此，Blob分析其实就是将图像二值化，分割得到前景和背景，然后进行连通区域检测以及面积、周长重心等特征的分析，从而得到Blob的过程。

1.4、Blob分析中主要包含以下图像处理技术：

1、图像分割：Blob分析实际上是对闭合形状进行特征分析。在Blob分析之前，必须将图像分割为目标和背景。图像分割是图像处理的一大类技术，在Blob分析中拟提供分割技术包括：直接输入、固定硬阈值、相对硬阈值、动态硬阈值、固定软阈值、相对软阈值、像素映射、阈值图像。其中固定软阈值和相对软阈值方法可在一定程度上消除空间量化误差，从而提高目标特征量的计算精度。

2、形态学操作：形态学操作的目的是去除噪声点的影响。

3、连通性分析：将目标从像素级转换到连通分量级。

4、特征值计算：对每个目标进行特征量计算，包括面积、周长、质心坐标等特征。

5、场景描述：对场景中目标之间的拓扑关系进行描述。

Blob分析主要适用于一下机器视觉应用：二维目标图像、高对比度图像、存在/缺席检测、数值范围和旋转不变性需求。

Blob分析不适用于一下机器视觉应用：低对比度图像、不能够用两个灰度表示的特征、图形检测需求。

以下是来自百度文库的资料：

2、图像分割

2.1、引言

所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同，简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。
阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术．已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产中，机器视觉运用于产品质量检测等等。在这些应用中，分割是对图像进一步分析、识别的前提，分割的准确性将直接影响后续任务的有效性，其中阈值的选取是图像阈值分割方法中的关键技术。

2.2、阈值分割的基本概念

图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。
阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像像素点分为若干类．常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征．设原始图像为f(x，y)，按照一定的准则在f(x，y)中找到特征值T，将图像分割为两个部分。

图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。
一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

2.3、阈值分割的方法

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：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。

在halcon中使用到的阈值分割为：

文章参考：https://blog.csdn.net/weixin_43958974/article/details/85083576

数字图像处理：blob分析、阈值分割相关推荐

数字图像处理11：阈值分割（基本全局阈值处理，Otsu 的最佳全局阈值，图像平滑改善全局阈值处理，图像分块的可变阈值）
阈值分割从背景中提取物体的一种明显方法是,选择一个将这些模式分开的阈值 T.然后, f ( x , y ) > T f(x,y)>T f(x,y)>T的任何点 (x, y) 称为个 ...
数字图像处理考点分析（六）
上一篇:数字图像处理考点分析(五) 介绍了图像的形态学处理方法,这一篇我们介绍图像压缩! 文章目录图像压缩 1.概念 2. 无损压缩技术 2.1 一些基本概念 2.2 Huffman编码 2.3 香 ...
数字图像处理考点分析(一)
数字图像的基本概念文章目录数字图像的基本概念数字图像处理基础图像的采样和量化数字图像的格式数字图像的质量像素间的基本关系彩色基础 Q: 什么是图像? 定义为一个二维函数f(x,y),其 ...
Halcon Blob分析之分割并读取啤酒瓶上的数字——bottle.hdev
分割并读取啤酒瓶上的数字引言一.结果 1.1 读取图像 1.2 Blob分析处理后二.Halcon代码三.案例主要算子分析 1.create_text_model_reader (Operat ...
《数字图像处理与分析》结课作业去雾报告
原创作品,出自 "晓风残月xj" 博客,欢迎转载,转载时请务必注明出处(http://blog.csdn.net/xiaofengcanyuexj). 由于各种原因,可能存在诸多不 ...
数字图像处理｜Matlab-图像分割与边缘检测实验-Hough线检测
Matlab-图像分割与边缘检测实验-Hough线检测代码链接:https://download.csdn.net/download/qq_43571150/12033268 问题1:对作业一中边缘 ...
数字图像处理必备基本知识
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|新机器视觉基础知识 1.数字图像: 数字图像,又称为数码 ...
8bit黑白图像的灰度值范围是_数字图像处理基本知识
1.数字图像: 数字图像,又称为数码图像或数位图像,是二维图像用有限数字数值像素的表示.数字图像是由模拟图像数字化得到的.以像素为基本元素的.可以用数字计算机或数字电路存储和处理的图像. 2.数字图像 ...
【遥感数字图像处理】基础知识：第一章绪论
第一章绪论 ◆ 课程学习要求主要教学内容:遥感数字图像处理的概念和基础知识,遥感数字图像的几何处理,遥感图像的辐射校正,遥感数字图像的增强处理,遥感图像的计算机分类,遥感数字图像的分析方法, ...
数字图像处理及其表示
数字图像处理及其表示参考文献 <数字图像处理与分析> 龚声蓉等 1. 简单的图像形成模型 1.1 亮度成像模型当一幅图像为平面单色静止图像时,可以用二维函数f(x,y)来表示.f(x, ...

数字图像处理：blob分析、阈值分割