根据Blob的几何特征分割ROI区域

如有问题请联系：clr_mv@163.com
更多文章请关注微信公众号：机器视觉专业论坛

机器视觉中Blob是非常重要的特征，对于Blob的选择可以依据其几何特征，OpenCv中具有专门的
类来解决这个问题：

class CV_EXPORTS_W SimpleBlobDetector : public Feature2D
        {
        public:
        struct CV_EXPORTS_W_SIMPLE Params
        {
        CV_WRAP Params();
        CV_PROP_RW float thresholdStep;//阈值步长
        CV_PROP_RW float minThreshold;//最小阈值
        CV_PROP_RW float maxThreshold;//最大阈值
        CV_PROP_RW size_t minRepeatability;
        CV_PROP_RW float minDistBetweenBlobs;//两个Blob的最小距离

        CV_PROP_RW bool filterByColor//采用颜色分割;
        CV_PROP_RW uchar blobColor;//主要针对色彩的强度，0选择暗的Blob，255选择亮的Blob

        CV_PROP_RW bool filterByArea;//采用最大最小面积分割
        CV_PROP_RW float minArea, maxArea;

        CV_PROP_RW bool filterByCircularity;//采用圆度分割0~1
        CV_PROP_RW float minCircularity, maxCircularity;

        CV_PROP_RW bool filterByInertia;//采用惯性率分割0~1
        CV_PROP_RW float minInertiaRatio, maxInertiaRatio;

        CV_PROP_RW bool filterByConvexity;//采用凹凸度分割0~1
        CV_PROP_RW float minConvexity, maxConvexity;

        void read( const FileNode& fn );
        void write( FileStorage& fs ) const;
        };

        CV_WRAP static Ptr<SimpleBlobDetector>
        create(const SimpleBlobDetector::Params &parameters = SimpleBlobDetector::Params());
        };

该类的使用方法是首先设置参数Params，然后提取满足Param的Blob的重心。SimpleBlobDetector类虽然可以识别出满足条件的Blob，并识别出Blob的重心，但是无法将其作为ROI区域分割开。
为了分割出Blob区域作为ROI区域，本例的主要步骤为：
1.SimpleBlobDetector 选出满足条件的Blob的中心。
2.findContours 查找所有Blob的轮廓。
3.floodFill 漫水填充满足条件的Blob区域。
4.在原图中分割出满足条件的Blob区域作为ROI区域

本例需要注意的有以下几点：
1.SimpleBlobDetector：：Param具有默认值，注意初始化。
2.由vector转换为vector 的方法：points.push_back(keypoints[i].pt);

#include <iostream>     
#include <opencv2/opencv.hpp>  
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include "opencv2/features2d.hpp"
using namespace cv;
using namespace std;


int main(int argc, char** argv)
{
    cv::Mat imagecolor, Blob, Mask;
    imagecolor = imread("../data/Blob.png");

    //为SimpleBlobDetector设置参数
    SimpleBlobDetector::Params params;
    params.filterByCircularity = true;
    params.filterByConvexity = false;
    params.filterByInertia = true;
    params.filterByArea = true;
    params.filterByColor = false;

    params.minThreshold = 0;
    params.maxThreshold = 255;

    params.blobColor = 255;


    params.minArea = 200;
    params.maxArea = 10000;

    params.minInertiaRatio = 0;
    params.maxInertiaRatio = 0.5;

    params.minCircularity = 0.5;
    params.maxCircularity = 1;

    //提取满足条件的Blob的关键点(中心)
    Ptr<SimpleBlobDetector> detetor = SimpleBlobDetector::create(params);
    vector<KeyPoint> keypoints;
    detetor->detect(imagecolor, keypoints);
    drawKeypoints(imagecolor, keypoints, Mask, Scalar(255, 0, 255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

    //查找所有Blob轮廓
    Mat imagegray;
    cvtColor(imagecolor, imagegray, CV_RGB2GRAY);
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(imagegray, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
    Mat drawing = Mat::zeros(imagecolor.size(), CV_8UC3);
    for (int i = 0; i < contours.size(); i++)
    {
        drawContours(drawing, contours, i, Scalar(255,255,255), 1, 8, hierarchy, 0, Point());
    }

    //以满足条件的Blob的重心为起始点进行填充（该方案只适合B重心在Blob上的区域）
    vector<Point2f>  points;
    Mat flood;
    for (int i = 0; i < keypoints.size(); i++)
    {
        points.push_back(keypoints[i].pt);
        floodFill(drawing, points[i], Scalar(255,255,255));//注意输入图像为三通道，因此对三个通道都要填充
    }
    cv::Mat element5(2, 2, CV_8U, cv::Scalar(255, 255, 255));
    cv::Mat open;
    cv::morphologyEx(drawing, open, cv::MORPH_OPEN, element5);//开操作去除未被选中的blob的contour

    imagecolor.copyTo(Blob, open);//分割出满足条件的Blob区域


    imshow("Blob", Blob);
    imshow("原图", imagecolor);


    waitKey();

    return 0;
}