一、Blob分析三步曲
- 1、图像二值化（threshold）；
- 2、形态学处理（dilation，erosion，opening，closing）；
- 3、形状选择（select_shape）；
- Blob分析适应性不强，非常易受环境变化的影响，不具有普适性。因为拍摄位置、光照、目标清洁度等都会对识别造成很大的影响。
- Blob分析是需要大量的打光测试和代码调整才能找到暂时合适的方法。。
- Blob分析只能适用于条件稳定且合适的情况。一旦条件发生变化，很有可能出现错识别的情况。
- 二、使用（监督或无监督）训练分类器MLP、SVM、KNN、CNN、DL训练的程序，才具有比较高的普适性。
- 【机器视觉基础|浅谈Blob分析与（监督或无监督）训练分类器的各自特点】训练分类器也不是100%的准确，但是训练分类器起码可以降低开发和调试的难度，而训练分类器可以一劳永逸，虽然设计算法的时候有一定的难度，但是，一旦成功就可以很高效地移植到其它项目中。这种轻松不是说代码量或者工作量少，而是后期的维护成本很低，非标设备行业的人力成本和出差费用是十分昂贵的。
-
-
