Python基于opencv的blob算法实现

       最近也是想试试blob算法检测个东西。发现Python方面讲这个的真不多，几乎都是说的算法原理，这里给出Python3代码，与 效果图。copy了别人的成果，代码什么的也是，原链接是：点击打开链接。这个网站是learnopencv，全英文的，无障碍的可以看看，我是为了自己学习整理了一下，如有错漏，欢迎指正。

1.什么是Blob？

       像素是图像中的一组连接像素，它们共享一些公共属性（例如灰度值）。在上面的图像中，暗连接区域是斑点，而斑点检测的目标是识别和标记这些区域。这个算法说白了就是检测图像的斑点，“一坨一坨”的异于周围背景的东西，代表的是一些“不同”的区域。

2. Blob检测是如何实现的？

      simpleblobdetector，顾名思义，就像下面描述的那样，是一个非常简单的算法。该算法由一些参数控制（如下所示），并具有以下步骤。从上往下来了解参数是如何设置的。

1.Thresholding ：

      首先进行阈值分割。从设置的最小阈值minthreshold参数开始将源图分割为几个二值图。这些阈值是通过设置的步长thresholdStep 逐渐递增的，知道达到设置好的最大阈值maxThreshold参数。所以第一个阈值是minthreshold，第二个阈值是minthreshold+thresholdStep ，第三个阈值是minthreshold+2×thresholdStep ，以此类推。

2.Grouping:

      在每个二值图像中，连接的白像素被分组在一起。让我们调用这些斑点。

3.Merging  ：

       合并。计算这些二值图中的斑点的中心，并且将相互之间距离小于设置的minDistBetweenBlobs 的斑点合并成一个。

4.Center & Radius Calculation：

      中心和半径的计算。计算这些合并后的斑点的中心和半径，并返回。

3.通过颜色，大小和形状过滤这些斑点

可以通过设置SimpleBlobDetector 函数的参数对斑点进行过滤，来获得我们所需要的斑点。

• 通过颜色：【这个功能可能有点问题（当然博主不是很清楚这个问题，没试过），作者检查了这个代码，发现他有逻辑上的问题（也不知道他用的什么版本的opencv，是不是真有这个问题，官方是否已经对此进行了优化，知道的小伙伴可以告诉我）】。首先，需要设置filterByColor = 1，设置blobColor = 0来选择暗淡区域(应该就是黑色）的斑点，或者是blobColor = 255（来选择亮区域应该就是白色）的斑点。
• 通过大小：可以通过将参数filterByArea =1,并且给minArea和maxArea设置恰当的参数。比如：将minArea=100，这样会将所有斑点里像素小于100的过滤掉。
• 通过形状：现在形状有三种参数：

1. 圆（Circularity ） ：这个仅仅衡量斑点和圆有多相似。比如：正六边形比正方形有更高的圆度。通过类圆性来过滤，可以设置filterByCircularity = 1，然后给minCircularity 和maxCircularity设置恰当的参数。类圆性定义如下：也就是（4π×面积）/（周长的平方）。也就是说圆的类圆性是1，正方形的类圆性是0.785等等。
2. 凸性（Convexity ）：凸性的定义是（斑点的面积/斑点凸包的面积）。一个形状的凸包是严格凸的形状，并且完全封闭（这玩意在手势识别里还是蛮好用的，不懂得可以去了解下）。将filterByConvexity =1，接下来设置 0 ≤ minConvexity ≤ 1和maxConvexity ( ≤ 1) 。
3. 惯量比（Inertia Ratio）：不要被此吓倒（其实博主看的时候也不知道是啥）。数学经常使用一些迷惑性的语言去描述一些非常简单的东西。你所需要知道的是，这个测量了一个形状有多长。例如：对于一个圆，这个值是1，对于一个椭圆，它在0到1之间，对于一条直线，它是0。想要通过惯量比来过滤，需要设置filterByInertia =1， 0 ≤ minInertiaRatio ≤ 1，并且适当的设置参数maxInertiaRatio (≤ 1 )的值。

4.python代码实现

#!/usr/bin/python

# Standard imports
import cv2
import numpy as np;

# Read image
im = cv2.imread("blob.jpg", cv2.IMREAD_GRAYSCALE)

# Setup SimpleBlobDetector parameters.
params = cv2.SimpleBlobDetector_Params()

# Change thresholds
params.minThreshold = 10
params.maxThreshold = 200


# Filter by Area.
params.filterByArea = True
params.minArea = 1500

# Filter by Circularity
params.filterByCircularity = True
params.minCircularity = 0.1

# Filter by Convexity
params.filterByConvexity = True
params.minConvexity = 0.87
    
# Filter by Inertia
params.filterByInertia = True
params.minInertiaRatio = 0.01

# Create a detector with the parameters
ver = (cv2.__version__).split('.')
if int(ver[0]) < 3 :
	detector = cv2.SimpleBlobDetector(params)
else : 
	detector = cv2.SimpleBlobDetector_create(params)


# Detect blobs.
keypoints = detector.detect(im)

# Draw detected blobs as red circles.
# cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS ensures
# the size of the circle corresponds to the size of blob

im_with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

# Show blobs
cv2.imshow("Keypoints", im_with_keypoints)
cv2.waitKey(0)

效果图如下：