常用机器视觉工具----图像分析工具（blob分析）
http://blog.sina.com.cn/s/blog_67cc4eb70100ivnt.html
Blob分析：Blob分析目的在于对图像中的2-D形状进行检测和分析，得到诸如目标位置、形状、方向和目标间的拓扑关系（即包含关系）等信息。根据这些信息可对目标进行识别。在某些应用中我们不仅需要利用2D的形状特征，还要利用Blob分析之间的特征关系。
Blob分析的主要内容包括：（1）图像分割：将图像中的目标和背景分离。（2）去噪：消除或减弱噪声对目标的干扰：（3）场景描述：对目标之间的拓扑关系进行描述。（4）特征量计算：计算目标的2-D形状特征。
Blob分析中主要包含以下图像处理技术：
1、图像分割：Blob分析实际上是对闭合形状进行特征分析。在Blob分析之前，必须将图像分割为目标和背景。图像分割是图像处理的一大类技术，在Blob分析中拟提供分割技术包括：直接输入、固定硬阈值、相对硬阈值、动态硬阈值、固定软阈值、相对软阈值、像素映射、阈值图像。其中固定软阈值和相对软阈值方法可在一定程度上消除空间量化误差，从而提高目标特征量的计算精度。
2、形态学操作：形态学操作的目的是去除噪声点的影响。
【常用机器视觉工具----图像分析工具（blob分析）】3、连通性分析：将目标从像素级转换到连通分量级。
4、特征值计算：对每个目标进行特征量计算，包括面积、周长、质心坐标等特征。
5、场景描述：对场景中目标之间的拓扑关系进行描述。
Blob分析主要适用于一下机器视觉应用：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。
Blob分析不适用于一下机器视觉应用：低对比度图像、不能够用两个灰度表示的特征、图形检测需求。
推荐阅读
- 标签、语法规范、内联框架、超链接、CSS的编写位置、CSS语法、开发工具、块和内联、常用选择器、后代元素选择器、伪类、伪元素。
- 数组常用方法一
- 别墅庭院设计，不同的别墅庭院设计也给人视觉上完全不一样的！
- 机器学习|机器学习 Andrew Ng《Machine Learning》课程笔记1
- 《机器学习实战》高清中文版PDF英文版PDF+源代码下载
- 机器学习一些简单笔记
- 剑指|剑指 Offer 13. 机器人的运动范围（dfs,bfs)
- 常用git命令总结
- java|java 常用知识点链接
- 历史上的今天|【历史上的今天】2 月 16 日（世界上第一个 BBS 诞生；中国计算机教育开端；IBM 机器人赢得智能竞赛）