Halcon Blob分析流程及案例介绍

yuanrongyouzhi

已于 2022-03-22 16:36:27 修改

阅读量6.9k

点赞数 7

分类专栏： Halcon 文章标签：视觉检测图像处理

于 2022-03-22 14:15:29 首次发布

本文链接：https://blog.csdn.net/yuanrongyouzhi/article/details/123610174

版权

提示：本篇文章参考了网上其他文章，如有侵权，请联系作者。

文章目录

前言
一、什么是Blob分析
二、Blob分析流程
总结

前言

Halcon中的Blob分析是最常见、最常用的方法，本篇文章会介绍Blob的相关概念，并通过案例来展示Blob分析的流程。

一、什么是Blob分析

       图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
       Blob，即binary large objec，二进制大型对象，是事务处理过程中遇到的一些大型的、复杂的数据项，必须作为一个完整的数据项看待。如一幅图形、一帧图像、一段语言等。在计算机视觉中的Blob是指图像中的具有相似颜色、纹理等特征所组成的一块连通区域。
       Blob分析（Blob Analysis）是对图像中相同像素的连通域进行分析(该连通域称为Blob)。其过程其实就是将图像进行二值化，分割得到前景和背景，然后进行连通区域检测，从而得到Blob块的过程。简单来说，blob分析就是在一块“光滑”区域内，将出现“灰度突变”的小区域寻找出来。
       如下图这块布料，表面纹理比较均匀。如果这块布料上面没有瑕疵，那么，我们是检测不到“灰度突变”的；相反，如果在布料生产过程中，由于种种原因，形成孔洞、裂缝，那么，我们就能在这块布料上面检测到纹理，经二值化（Binary Thresholding）处理后的图像中色斑可认为是blob。而这些部分，就是生产过程中造成的瑕疵，这个过程，就是Blob分析。
在这里插入图片描述
       Blob分析工具可以从背景中分离出目标，并可以计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是对单个像素逐一分析，而是对图像的行进行操作。图像的每一行都用游程长度编码（RLE）来表示相邻的目标范围。这种算法与基于像素的算法相比，大大提高了处理的速度。
       适用范围：针对二维目标图像和高对比度图像，适用于有无检测和缺陷检测。常用于二维目标图像、高对比度图像、存在/缺陷检测、数值范围和旋转不变性需求。显然，纺织品的瑕疵检测，玻璃的瑕疵检测，机械零件表面缺陷检测，可乐瓶缺陷检测，药品胶囊缺陷检测等很多场合都会用到blob分析。
       另一方面，Blob分析并不适用于以下图像：
       1、低对比度图像；
       2、必要的图像特征不能用2个灰度级描述； ·
       3、按照模版检测 (图形检测需求)
       Blob分析的优势是其超灵活性，其来源于HALCON提供的巨大数量的算子。再者，这些方法有这很好的性能。许多blob分析的方法可以与一些其他视觉任务想结合，例如可以作为感兴趣区域的灵活生成的一些预处理步骤。

二、Blob分析流程

1.基本步骤

       下图是Blob分析的基本步骤，这是一种理想状态，也是最基本的套路，获取图像->分割图像（区分前景像素和背景像素）->特征提取（比如面积、重心、旋转角度等）。
       halcon代码实现如下：
       read_image(Image,‘particle’)
       threshold(Image, BrightPixels,120,255)//阈值分割算子
       connection(BrightPixels,Particles)//断开联通区域
       area_center(Particles,Area,Row,Column)
       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之前一般要对图像进行预处理，比如图像的变换和校正、平滑与去噪、以及增强处理；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。
在这里插入图片描述
       因此，Blob实现方法需要具体情况具体分析。就拿阈值分割提取Blob而言，是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。

2.扩展概念

       在实际应用中，Blob 的分割会很复杂，需要处理更多步骤。其原因有多种，比如杂乱或不均匀的照明、图像中有很多杂斑（很难提取目标位）。此外，对Blob进行后处理以获取客户需要的直观显示数据，例如将特征转换为真实世界单位或结果可视化。
在这里插入图片描述
       这个过程可以总结为：获取图像->应用ROI->定位ROI->矫正图像->图像预处理->动态获取分割参数->分割图像->处理区域->特征提取->将像素坐标转换到世界坐标->结果显示或者输出。
       以halcon自带案例ball.hdev为例（开运算），展示分析过程。完整代码如下：