HALCON中级篇：Blob分析

Blob分析

Blob分析的概念：一张图像中，通过它们的灰度值，相关对象（也称为前景）的像素能够被辨识出来。例如，例如下图展示了液体中的组织颗粒，这些颗粒是明亮的，液体（背景）是黑色的。通过挑选亮的像素（阈值分割），颗粒能够很容易被检测出来。在许多应用中，黑白像素简单的状况是不多见的，但可以通过额外的预处理或者另外的像素选择或者分组实现相同的结果。

Blob分析的优势是其超灵活性，其来源于HALCON提供的巨大数量的算子。再者，这些方法有这很好的性能。许多blob分析的方法可以与一些其他视觉任务想结合，例如可以作为感兴趣区域的灵活生成的一些预处理步骤。

基本概念

Blob分析主要由三个部分组成：

获取图像

首先是获取一张图像。

分割图像

当已经获取了图像，接下来的任务就是去选择前景像素，这个也被称为分割。这个处理的结果被参考为blobs (二进制大对象)。在HALCON中，数据类型为一个区域。

提取特征

在最后一步，去计算特征，诸如面积（如，像素的数量），重心，或者方向。

第一个例子

下面的程序是基本概念的一个例子，其是属于上面解说的那个例子。这里图像从文件中获取，所有亮度大于120的像素用算子threshold所选择，然后，额外的一步被添加，其并不明显：算子connection将所有明亮的像素集分为所谓的连通区域。这一步的效果就是我们现在有了多个区域，而不是threshold返回的额单个区域。程序的最后一步是一些特征的计算，这里，算子area_center决定了大小（像素数量）和重心。请注意，area_center返回所有三个特征参数的多个值（每个连通成分对应一个值）。