opencv笔记-SimpleBlobDetector

通用的 Blob 检测方法包括：Laplacian of Gaussian(LoG), Difference of Gaussian(DoG), Derterminant of Hessian(DoH)。

opencv 提供了一种简单的方法实现 Blob 检测：SimpleBlobDetector。所谓 Blob，其实就是图像上一些或亮或暗的小连通区域，该连通区域可以使用特定阈值提取出来。

当分析场景相对简单，使用 SimpleBlobDetector 可以比较准确且高效的定位 Blob 区域，基本思路如下：

1 使用连续阈值对图像进行阈值操作，其阈值参数范围为 ，步长为 s；

2 使用 suzuki 算法（findContours）提取每个阈值下形成的区域，findContours 得到的每个边界围成的区域被认为是候选 Blob；

使用 findContours 检测连通区域要比连通区域分析算法更加高效，同时，一次 findContours 可以区分内外边界，外边界对应亮区域，内边界对应暗区域，但 opencv 2.4.10 源码中并未对内外边界区分对待；

3 对 Blob 区域进行筛查，筛查条件包括：

 1  CV_PROP_RW bool filterByColor;
 2  CV_PROP_RW uchar blobColor;
 3
 4  CV_PROP_RW bool filterByArea;
 5  CV_PROP_RW float minArea, maxArea;
 6
 7  CV_PROP_RW bool filterByCircularity;
 8  CV_PROP_RW float minCircularity, maxCircularity;
 9
10  CV_PROP_RW bool filterByInertia;
11  CV_PROP_RW float minInertiaRatio, maxInertiaRatio;
12
13  CV_PROP_RW bool filterByConvexity;
14  CV_PROP_RW float minConvexity, maxConvexity;

1）filterByColor 表示提取亮区域或者暗区域。当 blobColor = 255 时，提取亮区域；当 blobColor = 0 时，提取暗区域；

2）filterByArea 表示是否限制 Blob 面积，其面积范围为一个半开半闭区间 [minArea, maxArea)；

3）filterByCircularity 表示是否限制 Blob 圆形度，圆形度公式为  。

当 Blob 为圆形时，。当 Blob 为一个无限长的椭圆，。故圆形度范围取值范围为 (0, 1]；

4）filterByConvexity 表示  Blob 面积与其凸包面积比，取值范围为 (0, 1)；

5）filterByInertia 表示 Blob  区域转动惯量最小值与最大值比值，在 “二值图像的几何性质” 博客中，转动惯量表示为：

，

，

，

，

由于 转动惯量 E 为一个二次型函数，使用系数矩阵 的特征值与特征向量可描述转动惯量特性，其最小值与最大值比为   。

通过以上分析可知，当 Blob 区域为圆形时，比值接近 1。当 Blob 区域为无限长椭圆时，比值接近 0，故取值范围为 （0,1）；

4 对于符合筛查条件的 Blob 区域，使用区域边界到中心点距离中值点作为该 Blob 区域半径；

5 将不同阈值下符合条件的候选 Blob 区域组合到一起，使用 minRepeatability 与 minDistBetweenBlobs 筛查出最终有效 Blob 区域；

以下给出 opencv 对候选 Blob 筛查的部分源码：

 1 for (size_t contourIdx = 0; contourIdx < contours.size(); contourIdx++)
 2 {
 3
 4     Center center;
 5     center.confidence = 1;   // 将可信度置1
 6
 7     // 求轮廓所围成区域零阶矩，一阶矩，二阶矩，用于筛查条件计算
 8     Moments moms = moments(Mat(contours[contourIdx]));
 9
10     if (params.filterByArea)
11     {
12          // 零阶矩表示区域面积
13          double area = moms.m00;
14          if (area < params.minArea || area >= params.maxArea)
15              continue;
16     }
17
18      if (params.filterByCircularity)
19      {
20          // 求区域面积与区域周长，并使用圆形度公式计算圆形度
21          double area = moms.m00;
22          double perimeter = arcLength(Mat(contours[contourIdx]), true);
23          double ratio = 4 * CV_PI * area / (perimeter * perimeter);
24          if (ratio < params.minCircularity || ratio >= params.maxCircularity)
25              continue;
26      }
27
28       if (params.filterByInertia)
29       {
30            // 使用二阶矩求区域形状
31            double denominator = sqrt(pow(2 * moms.mu11, 2) + pow(moms.mu20 - moms.mu02, 2));
32             const double eps = 1e-2;
33             double ratio;
34             if (denominator > eps)
35             {
36                 double cosmin = (moms.mu20 - moms.mu02) / denominator;
37                 double sinmin = 2 * moms.mu11 / denominator;
38                 double cosmax = -cosmin;
39                 double sinmax = -sinmin;
40
41                 double imin = 0.5 * (moms.mu20 + moms.mu02) - 0.5 * (moms.mu20 - moms.mu02) * cosmin - moms.mu11 * sinmin;
42                 double imax = 0.5 * (moms.mu20 + moms.mu02) - 0.5 * (moms.mu20 - moms.mu02) * cosmax - moms.mu11 * sinmax;
43                 ratio = imin / imax;
44             }
45             else
46             {
47                 ratio = 1;
48             }
49
50             if (ratio < params.minInertiaRatio || ratio >= params.maxInertiaRatio)
51                 continue;
52
53             center.confidence = ratio * ratio;
54         }
55
56         if (params.filterByConvexity)
57         {
58            // 求区域面积与凸包面积之比
59             vector < Point > hull;
60             convexHull(Mat(contours[contourIdx]), hull);
61             double area = contourArea(Mat(contours[contourIdx]));
62             double hullArea = contourArea(Mat(hull));
63             double ratio = area / hullArea;
64             if (ratio < params.minConvexity || ratio >= params.maxConvexity)
65                 continue;
66         }
67
68         center.location = Point2d(moms.m10 / moms.m00, moms.m01 / moms.m00);
69
70         if (params.filterByColor)
71         {
72            // 提取亮区域或者暗区域
73             if (binaryImage.at<uchar> (cvRound(center.location.y), cvRound(center.location.x)) != params.blobColor)
74                 continue;
75         }
76
77         // 计算 Blob 半径
78         {
79             vector<double> dists;
80             for (size_t pointIdx = 0; pointIdx < contours[contourIdx].size(); pointIdx++)
81             {
82                 Point2d pt = contours[contourIdx][pointIdx];
83                 dists.push_back(norm(center.location - pt));
84             }
85             std::sort(dists.begin(), dists.end());
86             center.radius = (dists[(dists.size() - 1) / 2] + dists[dists.size() / 2]) / 2.;
87         }
88
89         centers.push_back(center);
90
91    }

参考资料 Learning OpenCV 3   Adrian Kaehler & Gary Bradski