基本概念
Blob(Binary large object)是指从图像中获取的二值区域,一般来说,该二指区域是图像中的前景。在Halcon中,Blob是一个提取所得的region。Blob分析是指对该二值区域,进行面积、周长重心等特征的分析。
如下图所示:左边是一副原始图片,右边彩线包围区域是是获取的Blob区域,每个区域中十字的位置是Blob分析所得的重心位置。
文章图片
实现流程
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
【Blob分析的基本概念和实现流程】以上是Blob分析的大致步骤。虽然看上去很简单,但实际上存在两个方面的难点。
1. 步骤的完善
以上3步为大致步骤,是一种抽象下的理想状态,实际上,提取Blob之前和分析Blob之后也存在重要的步骤。比如,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。
2. 实现方法需具体分析
每一个步骤中实现的方法需要根据具体图片具体分析,就拿阈值分割提取Blob而言,使用固定阈值还是动态阈值,这都是根据图片情况进行具体分析的。
推荐阅读
- 机器视觉检测的基础知识——分辨率,精度,公差
- 图像处理|halcon模板匹配学习(一) Matching 初印象
- halcon教程|halcon算子讲解系列---目录
- Halcon|Blob分析的例子,抽取Blobs
- 关于halcon基于表面的3d识别定位
- opencv|基于openCV的形状模版匹配
- Visual|Halcon和Visionpro的对比
- 基于HALCON的模板匹配方法总结
- halcon学习笔记(6)——学习Crystals例子的凸包及图像熵