外贸网站建设商务网站建设与规划

学习来自OpenCV基础（10）使用OpenCV进行Blob检测

1、cv2.SimpleBlobDetector_create 中文文档

cv2.SimpleBlobDetector_create 是 OpenCV 库中用于创建斑点检测器（Blob Detector）的函数。斑点检测是计算机视觉中的一个重要任务，用于检测图像中的小而明亮的区域，通常称为斑点或斑块。下面是 cv2.SimpleBlobDetector_create 函数的中文文档，包括其参数和用法：

一、函数概述
cv2.SimpleBlobDetector_create([params])

• 功能：创建一个 SimpleBlobDetector 对象，用于在图像中检测斑点。
• 参数：
  params（可选）：一个 SimpleBlobDetector_Params 对象，用于设置斑点检测器的参数。如果未提供，则使用默认参数。

二、参数详解

SimpleBlobDetector_Params 对象包含以下参数，用于调整斑点检测器的行为：

阈值相关参数：

• minThreshold：用于阈值处理的最小值。
• maxThreshold：用于阈值处理的最大值。
• thresholdStep：在 minThreshold 和 maxThreshold 之间递增的步长。

Blob大小参数：

• filterByArea：是否按斑点面积过滤斑点。
• minArea：用于过滤的最小斑点面积。
• maxArea：用于过滤的最大斑点面积。

Blob形状参数：

• filterByCircularity：是否按斑点圆度过滤斑点。
• minCircularity：用于过滤的最小圆度值（范围从0到1，其中1表示完美的圆）。
• maxCircularity：用于过滤的最大圆度值。

Blob凸性参数：

• filterByConvexity：是否按斑点凸性过滤斑点。
• minConvexity：用于过滤的最小凸性值（范围从0到1，其中1表示完全凸的斑点）。

Blob惯性比参数：（它衡量的是一个形状的伸长程度）

• filterByInertia：是否按斑点惯性比过滤斑点。
• minInertiaRatio：用于过滤的最小惯性比值（范围从0到1）。

其他参数：

• minRepeatability：斑点检测的最小重复次数（用于去除噪声）。
• minDistBetweenBlobs：斑点之间的最小距离（用于去除重叠的斑点）。

2、默认 parameters

import cv2
import numpy as npim = cv2.imread("C://Users/Administrator/Desktop/1.jpg", cv2.IMREAD_GRAYSCALE)ver = (cv2.__version__).split('.')
print(ver)  # ['4', '4', '0']if int(ver[0]) < 3:detector = cv2.SimpleBlobDetector()
else:detector = cv2.SimpleBlobDetector_create()# 检测blobs
keypoints = detector.detect(im)# 用红色圆圈画出检测到的blobs
im_with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)# 结果显示
cv2.imshow("Keypoints", im_with_keypoints)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入图像

输出图像

3、配置 parameters

import cv2
import numpy as npim = cv2.imread("C://Users/Administrator/Desktop/3.jpg", cv2.IMREAD_GRAYSCALE)# 设置SimpleBlobDetector参数
params = cv2.SimpleBlobDetector_Params()# 改变阈值
params.minThreshold = 10
params.maxThreshold = 200# 根据面积过滤
params.filterByArea = True
params.minArea = 1500# 根据Circularity过滤
params.filterByCircularity = True
params.minCircularity = 0.1# 根据Convexity过滤
params.filterByConvexity = True
params.minConvexity = 0.87# 根据Inertia过滤
params.filterByInertia = True
params.minInertiaRatio = 0.01# 创建一个带有参数的检测器
ver = (cv2.__version__).split('.')
if int(ver[0]) < 3:detector = cv2.SimpleBlobDetector(params)
else:detector = cv2.SimpleBlobDetector_create(params)# 检测blobs
keypoints = detector.detect(im)# 用红色圆圈画出检测到的blobs
im_with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0, 0, 255),cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)# 结果显示
cv2.imshow("Keypoints", im_with_keypoints)
cv2.waitKey(0)

输入图片

输出图片

附录——cv2.drawKeypoints

函数定义

• cv2.drawKeypoints(image, keypoints, outImage[, color[, flags]])

参数

• image：原始图片，数据类型应为 8-bit 单通道或三通道图像。

• keypoints：关键点列表，通常是由特征点检测算法（如 SIFT、SURF、ORB 等）生成。

• outImage：输出图像，绘制关键点后的图像将保存在这个变量中。可以设置为原始图像，以在原始图像上直接绘制关键点。

• color：颜色设置，用于绘制关键点的颜色。它是一个包含三个整数值的元组，分别代表蓝色、绿色和红色的强度，取值范围在 0-255 之间。例如，(255, 0, 0) 表示红色。

• flags：绘图功能的标识设置，用于控制关键点的绘制方式。它是一个可选参数，可以设置为以下值之一或它们的组合（通过按位或运算 |）：

  • cv2.DRAW_MATCHES_FLAGS_DEFAULT：创建输出图像矩阵，使用现存的输出图像绘制匹配对和特征点，对每一个关键点只绘制中间点。
  • cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG：不创建输出图像矩阵，而是在输出图像上绘制匹配对。
  • cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS：对每一个特征点绘制带大小和方向的关键点图形。
  • cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS：单点的特征点不被绘制。

• 返回值
  该函数没有直接的返回值，但会将绘制了关键点的图像保存在 outImage 参数中。