【opencv学习】Blob检测斑点

今天学习blob的可用于斑点检测，其实这个斑点只是普通的这么叫法，专业点是的Blob是图像中共享某些共同属性(例如灰度值)的一组连接的像素。

如下图是今天检测的试验图

算法过程是：
1：Thresholding（二值化过程）：通过对源图像进行阈值化，将源图像转换为若干二值图像，阈值从minThreshold开始。这些阈值通过thresholdStep递增，直到maxThreshold。所以第一个阈值是minThreshold，第二个是minThreshold + thresholdStep，第三个是minThreshold + 2 x thresholdStep，以此类推。

2：Grouping：在每个二值图像中，相互之间的白色像素被组合在一起。我们称这些为二值blobs。

3：Merging：计算二值图像中二值blobs的中心，并合并距离小于minDistBetweenBlobs 的 blobs。

4：Center & Radius Calculation：计算并返回新合并的blobs 的中心和半径。

# 导入库
import cv2
import numpy as npdef cv_show_image(name, img):cv2.imshow(name, img)cv2.waitKey(0)  # 等待时间，单位是毫秒，0代表任意键终止cv2.destroyAllWindows()# Blob是图像中共享某些共同属性(例如灰度值)的一组连接的像素。也可以说是斑点之类的。也就是一块相同的区域。
# 这一点在特征检测中也是有提到的。# 读取图像，并且转为灰度图
img = cv2.imread("images/blob.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 用默认参数设置检测器
detector = cv2.SimpleBlobDetector_create()# 检测blobs，得到一堆的关键点，之前我们在SIFT特征检测中也是得到了这个信息。
keypoints = detector.detect(gray)
keypoints_array = np.array(keypoints)
print(keypoints_array.shape)
for kp in keypoints:print("关键点的位置是: pt[0]:{}\tpt[1]:{}\tangle:{}\tsize:{}".format(kp.pt[0], kp.pt[1], kp.angle, kp.size))# 用红色圆圈画出检测到的blobs
# cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS 确保圆的大小对应于blob的大小
im_with_keypoints = cv2.drawKeypoints(gray, keypoints_array,np.array([]), (0, 0, 255),cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)# 结果显示
cv_show_image("Keypoints", im_with_keypoints)

使用默认参数情况下的效果：

发现有一些没有检测上，我们试着更改下参数试一试，比如调整二值化的阈值，调宽一些，面积的范围放宽一些，圆度放宽一点。

# 导入库
import cv2
import numpy as npdef cv_show_image(name, img):cv2.imshow(name, img)cv2.waitKey(0)  # 等待时间，单位是毫秒，0代表任意键终止cv2.destroyAllWindows()# 读取图像
im = cv2.imread("images/blob.jpg", cv2.IMREAD_GRAYSCALE)# 设置SimpleBlobDetector参数
params = cv2.SimpleBlobDetector_Params()# 改变阈值
# 只会检测minThreshold 和 maxThreshold之间的
params.minThreshold = 10
params.maxThreshold = 240# 按Color：首先，您需要设置filterByColor = 1。
# 设置blobColor = 0来选择较暗的Blobs，设置blobColor = 255来选择较亮的Blobs。
params.filterByColor = True
params.blobColor = 0# 根据面积过滤
# 按大小:可以根据大小过滤Blobs，方法是设置参数filterByArea = 1，以及适当的minArea和maxArea值。
# 例如，设置minArea = 100将过滤掉所有像素个数小于100的Blobs。
params.filterByArea = True
params.minArea = 10
params.maxArea = 1000# 根据Circularity过滤，这个参数是(圆度)
# 这只是测量了这个blob与圆的距离。正六边形的圆度比正方形高。
# 要根据圆度进行过滤，设置filterByCircularity = 1。然后设置适当的minCircularity和maxCircularity值。
params.filterByCircularity = True
params.minCircularity = 0.1# 根据Convexity过滤，这个参数是(凹凸性)
# 凸性定义为(Blob的面积/它的凸包的面积)。现在，凸包的形状是最紧的凸形状，完全包围了形状。
# 设置filterByConvexity = 1，然后设置0≤minConvexity≤1和maxConvexity(≤1)。
params.filterByConvexity = True
params.minConvexity = 0.14
params.maxConvexity = 1# 根据Inertia过滤,惯性比
# 它衡量的是一个形状的伸长程度。例如，对于圆，这个值是1，对于椭圆，它在0和1之间，对于直线，它是0。
# 初步可以认为是外接矩形的长宽比，圆的外接矩形的长宽相等，椭圆是有长短轴，短轴长度除以长轴长度，介于0~1
# 直线可以认为没有宽度，因此是0
params.filterByInertia = True
params.minInertiaRatio = 0.01# 创建一个带有参数的检测器
detector = cv2.SimpleBlobDetector_create(params)# 检测blobs
keypoints = detector.detect(im)
keypoints_array = np.array(keypoints)
print(keypoints_array.shape)# 用红色圆圈画出检测到的blobs
# cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS 确保圆的大小对应于blob的大小
im_with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0, 0, 255),cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)# 结果显示
cv_show_image("Keypoints", im_with_keypoints)

调整完参数的效果是：

本文学习自
https://blog.csdn.net/weixin_43229348/article/details/120448954

【opencv学习】Blob检测斑点相关推荐

opencv SimpleBlobDetector blob分析斑点检测原理详解
文章目录概念一.SimpleBlobDetector算法原理二.opencv 类接口原型: 三.代码示例: 四.运行效果: 概念 Blob是图像中具有某些共同属性(如灰度值.圆度等如下图所示属性 ...
OpenCV学习——轮廓检测
前言轮廓检测是传统视觉中非常常用的功能,这里简单记录一下opencv中的轮廓检测算法使用方法,至于理论,后续有机会再去细品. 国际惯例: OpenCV官方的轮廓检测教程python版 OpenCV中 ...
opencv角点检测学习总结
学习opencv 角点检测如果一个点在两个正交方向上都有明显的导数,则我们认为此点更倾向于是独一无二的,所以许多可跟踪的特征点都是角点. 一下为角点检测中用到的一些函数 cvGoodFeatures ...
OpenCV学习(二十四）：角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack()
OpenCV学习(二十四 ):角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack() 参考博客: Harris角点检测原理详解 Harri ...
计算机视觉OpenCv学习系列：第十部分、实时人脸检测
第十部分.实时人脸检测第一节.实时人脸检测 1.OpenCV人脸检测支持演化 2.OpenCV DNN检测函数 3.代码练习与测试学习参考第一节.实时人脸检测 1.OpenCV人脸检测支持演化 ...
限时删！一套目标检测、卷积神经网络和OpenCV学习资料（教程/PPT/代码）
AI 显然是最近几年非常火的一个新技术方向,从几年前大家认识到 AI 的能力,到现在产业里已经在普遍的探讨 AI 如何落地了. 计算机视觉目前在很多领域都已经实现了商业应用,从现实市场规模角度,目前人 ...
opencv学习笔记（二）：基于肤色的人手检测
opencv学习笔记(二):基于肤色的人手检测原文:http://blog.csdn.net/wzmsltw/article/details/50849810 先写了人手的检测程序,下一步基于检测程 ...
OpenCV学习笔记（四十六）——FAST特征点检测features2D OpenCV学习笔记（四十七）——VideoWriter生成视频流highgui OpenCV学习笔记（四十八）——PCA算
OpenCV学习笔记(四十六)--FAST特征点检测features2D 特征点检测和匹配是计算机视觉中一个很有用的技术.在物体检测,视觉跟踪,三维常年关键等领域都有很广泛的应用.这一次先介绍特征点检 ...
OpenCV学习笔记（二十六）——小试SVM算法ml OpenCV学习笔记（二十七）——基于级联分类器的目标检测objdect OpenCV学习笔记（二十八）——光流法对运动目标跟踪Video Ope
OpenCV学习笔记(二十六)--小试SVM算法ml 总感觉自己停留在码农的初级阶段,要想更上一层,就得静下心来,好好研究一下算法的东西.OpenCV作为一个计算机视觉的开源库,肯定不会只停留在数字图 ...

【opencv学习】Blob检测斑点

【opencv学习】Blob检测斑点相关推荐

最新文章

热门文章