Blob分析理论

1、概念

        BLOB：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分析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快的过程。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。

        举例来说，假如现在有一块刚生产出来的玻璃，表面非常光滑，平整。如果这块玻璃上面没有瑕疵，那么，我们是检测不到“灰度突变”的；相反，如果在玻璃生产线上，由于种种原因，造成了玻璃上面有一个凸起的小泡、有一块黑斑、有一点裂缝等等。那么，我们就能在这块玻璃上面检测到纹理，颜色发生突变的部分，而这些部分，就是生产过程中造成的瑕疵，而这个过程，就是blob分析。

        在上面的讲述中我们提到了前景与背景，简单理解，前景是你感兴趣的对象，背景却不是。举个例子：传送带上有个螺丝钉，你想检测它又没有缺陷。那这个螺丝钉就是图像中的前景，传送带就是图像中的背景。

2、Blob分析中主要图像处理技术

        1、图像分割：Blob分析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。

        2、形态学操作：形态学操作的目的是去除噪声点的影响。

        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。

3、适用范围

        Blob分析适本身具有一定的局限性，因此只适用一些应用，例如，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。