建设网站平台的用语,在线照片编辑工具,上传商品的网站,射阳住房和建设局网站Blob分析特征0 前言1 概念2 方法2.1 图像采集2.2 图像分割2.3 特征提取3 主要应用场景#xff1a;0 前言
在缺陷检测领域#xff0c;halcon通常有6种处理方法#xff0c;包括Blob分析特征、Blob分析特征差分、频域空间域、光度立体法、特征训练、测量拟合#xff0c;本篇博…
Blob分析特征0 前言1 概念2 方法2.1 图像采集2.2 图像分割2.3 特征提取3 主要应用场景0 前言
在缺陷检测领域halcon通常有6种处理方法包括Blob分析特征、Blob分析特征差分、频域空间域、光度立体法、特征训练、测量拟合本篇博客介绍Blob分析特征。
1 概念
在计算机视觉中的Blob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。Blob分析是对图像中相同像素的连通域进行分析(该连通域称为Blob)。其过程其实就是将图像进行二值化分割得到前景和背景然后进行连通区域检测从而得到Blob块的过程。简单来说blob分析就是在一块“光滑”区域内将出现“灰度突变”的小区域寻找出来。
2 方法
Blob分析 特征的主要处理流程如下
图像采集—— 图像分割—— 特征提取
2.1 图像采集
图像采集就是指获取一张图像。目前有3种方法原理都一样分别是使用算子read_image( : Image : FileName : )、从文件-读取图像ctrR然后生成代码、菜单栏助手也可以。
2.2 图像分割
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图像分割主要就是将作为缺陷的前景部分与背景部分分割出来。
常用分割方法直接输入硬阈值分割软阈值分割。
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
4watersheds_threshold
图像分割后通常需要进行形态学处理以提取“对表达和描绘区域形状有意义的图像分量”使后续的识别工作能够抓住目标对象最为本质的形状特征
常用形态学处理
腐蚀、膨胀、开运算、闭运算等具体请参考这篇博文https://blog.csdn.net/weixin_44049823/article/details/129319223
2.3 特征提取
在最后一步去计算特征常用特征如下
区域特征
面积area力矩Moments、平行于主轴的最小矩形smallest_rectangle1、任意方向的最小矩smallest_rectangle2、 最小圆形smallest_circle、convexity凸包面积、contlength区域边界长度、形状特征roundnesscircularitycompactnessrectangularity
灰度特征
简单灰度值特征区域的平均灰度值区域的最小和最大灰度值
在实际应用中需要处理更多步骤因为很多实际因素目标信息很难处理。比如图像中有很多杂斑很难提取目标位光照不均等。还有Blob分析需要后期处理。比如将特征信息转换成实际坐标信息显示目标物等。
完整的blob分析处理流程如下
图像采集-应用ROI-定位ROI-矫正图像-图像预处理-动态获取分割参数-图像分割-处理区域-特征提取-将像素坐标转换到世界坐标-结果显示或者输出
图像预处理常用算子
mean_image:均值滤波
gauss_image:高斯滤波
median_image:中值滤波
动态获取分割参数常用算子
gray_histo_abs:灰度直方图
histo_to_thresh:直方图二值化
3 主要应用场景
针对二维目标图像和高对比度图像适用于有无检测和缺陷检测。常用于二维目标图像、高对比度图像、存在/缺席检测、数值范围和旋转不变性需求。
显然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很多场合都会用到blob分析。
