Blob，这里译为斑点，可以理解为一幅图像中的显著区域。由于其代表的是一个连通区域，在图像匹配中相比于单纯的点具有更高的稳定性。本文将介绍OpenCV中集成的一个简单检测器，SimpleBlobDetector。在此之前，先理解几个算法中会用到的重要概念。

Circularity，圆度 圆度是一个反映图形接近于完美圆的程度，其范围为(0,1)。如果该值越接近于0，则该图形越接近一个无限拉长的矩形；如果该值越接近于1，则该图形越接近于一个完美的圆。圆度的计算公式如下： R o u n d n e s s = 4 π S C 2 (1) {\rm Roundness} =\frac{4\pi S}{C^2}\tag{1} Roundness=C24πS(1)

其中，S表示该图形的面积，C表示该图形的周长。

InertiaRatio，惯性率 首先，偏心率是指某一个椭圆轨道于理想圆形的偏离程度，长椭圆轨道的偏心率高，而近于圆形的轨道的偏心率低，偏心率的大小范围为[0,+∞)。对于本文来说，椭圆的偏心率范围为(0,1)，当该值越接近于0，则椭圆越圆；当该值越接近于1，则该椭圆越扁。偏心率的计算公式如下： e = c a (2) e=\frac{c}{a}\tag{2} e=ac(2)

其中，c表示椭圆的半焦距，a表示椭圆的半长轴。其次，惯性率i与偏心率e具有如下关系： e 2 + i 2 = 1 (3) e^2+i^2=1\tag{3} e2+i2=1(3)

通过偏心率与惯性率的关系可以得到：惯性率越接近于0，则该图形越扁；惯性率越接近于1，则该图形越圆。

Convexity，凸度 首先，对于一个图形F以及任意两个位于图形F内的点A和B，若线段AB上的所有点恒位于图形F内，则称该图形F为凸图形；反之则称图像F为凹图形。如以下图形均为凸图形：

如以下图形为凹图形：

凸度定义为多边形接近凸图形的程度，凸图形的凸度为1，凹图形的凸度计算如下：
C o n v e x i t y = S H (4) {\rm Convexity}=\frac{S}{H}\tag{4} Convexity=HS(4)

其中，S表示该图形的面积，H表示该图形对应的凸壳的面积。凸壳定义：令K是平面上的一个点集，封闭K中所有顶点的最小凸图形称为K的凸壳。即，将凹图形变成凸图形时所形成的最小凸图形。如上凹图形的凸壳为：

本文所使用的检测器是OpenCV中集成的检测器。

#include <opencv2/opencv.hpp>using namespace cv;
using namespace std;int main(int argc, char** argv) {// 读入图像，并将其转换为灰度形式Mat img = imread("blob.jpg", IMREAD_GRAYSCALE);// 定义SimpleBlobDetector检测器参数SimpleBlobDetector::Params params;// 检测区域大小的控制并滤除面积小于1500的区域params.filterByArea = true;params.minArea = 1500;// 设置最小及最大阈值params.minThreshold = 10;params.maxThreshold = 200;// 检测区域形状的控制并滤除圆度小于0.1的区域params.filterByCircularity = true;params.minCircularity = 0.1;// 检测区域惯性率的控制并滤除惯性率小于0.01的区域params.filterByInertia = true;params.minInertiaRatio = 0.01;// 检测区域凸性的控制并滤除凸度小于0.87的区域params.filterByConvexity = true;params.minConvexity = 0.87;// 定义关键点集合vector<KeyPoint> keypoints;#if CV_MAJOR_VERSION < 3    // 使用OpenCV2.x// 初始化检测器SimpleBlobDetector detector(params);// 调用检测函数detector.detect(img, keypoints);
#else // 初始化检测器Ptr<SimpleBlobDetector> detector = SimpleBlobDetector::create(params);// 调用检测函数detector->detect(img, keypoints);
#endif// DrawMatchesFlags::DRAW_RICH_KEYPOINTS表示在绘制特征点时会绘制特征点位置、大小和方向Mat img_with_keypoints;drawKeypoints(img, keypoints, img_with_keypoints, Scalar(0, 0, 255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);// 绘制检测结果imshow("keypoints", img_with_keypoints);waitKey(0);return 0;
}

首先来看测试图像：

第一行检测对象为图形面积，第二行检测对象为像素阈值，第三行检测对象为图形圆度，第四行检测对象为惯性率，第五行检测对象为图形凸度。检测结果如下：

参考

https://github.com/spmallick/learnopencv/tree/master/BlobDetector.

完

（四）OpenCV | 斑点检测相关推荐

opencv图像特征检测之斑点检测
2019独角兽企业重金招聘Python工程师标准>>> 前面说过,图像特征点检测包括角点和斑点,今天来说说斑点,斑点是指二维图像中和周围颜色有颜色差异和灰度差异的区域,因为斑点代表的 ...
keras系列︱人脸表情分类与识别：opencv人脸检测+Keras情绪分类（四）
人脸识别热门,表情识别更加.但是表情识别很难,因为人脸的微表情很多,本节介绍一种比较粗线条的表情分类与识别的办法. Keras系列: 1.keras系列︱Sequential与Model模型.kera ...
Android版OpenCV图像处理技术亲自验证[三]之斑点检测ColorBlobDetector
Android版OpenCV图像处理技术亲自验证[二]之斑点检测ColorBlobDetector 程序之美前言主体运行效果构建过程核心代码所遇问题结束语程序之美前言 OpenCV是 ...
【opencv】斑点检测 impleBlobDetector
1. 什么是斑点斑点通常是指与周围有着颜色和灰度差别的区域.在实际地图中,往往存在着大量这样的斑点,如一颗树是一个斑点,一块草地是一个斑点,一栋房子也可以是一个斑点.由于斑点代表的是一个区域,相比单 ...
基于局部极值的分水岭算法的圆斑点检测
本次实验利用了基于局部极值的分水岭算法来实现圆斑点的检测.在OPENCV中提供了simpleBlobDetector特征检测器来实现这种斑点检测算法,正如它的名称,该算法使用最简单的方式来检测斑点类的 ...
Python 斑点检测 SimpleBlobDetector
OpenCV 常用函数斑点检测 SimpleBlobDetector_create 定义斑点是指二维图像中和周围颜色有颜色差异和灰度差异的区域,因为斑点代表的是一个区域,所以其相对于单纯的角点,具 ...
使用Python，OpenCV+OCR检测护照图像中的机器可读区域（MRZ Machine-Readable Zones）
使用Python,OpenCV+OCR检测护照图像中的机器可读区域(MRZ Machine-Readable Zones) 1. 效果图 2. 原理 3. 源码参考这篇博客将介绍如何只使用基本的图 ...
OpenCV与图像处理学习十七——OpenCV人脸检测（含代码）
OpenCV与图像处理学习十七--OpenCV人脸检测(含代码) 一.人脸识别概要 1.1 人脸检测 1.2 人脸对齐(Face Alignment) 1.3 人脸特征提取(Face Feature ...
OpenCV3学习（11.4）斑点检测 SimpleBlobDetector
1. 什么是斑点图像特征点检测包括角点和斑点,今天来说说斑点,斑点是指二维图像中和周围颜色有颜色差异和灰度差异的区域,因为斑点代表的是一个区域,所以其相对于单纯的角点,具有更好的稳定性和更好的抗干扰 ...

（四）OpenCV | 斑点检测

参考

（四）OpenCV | 斑点检测相关推荐

最新文章

热门文章