一、方法
二值图像几何形状提取与分离，是机器视觉中重点之一，在CT图像分析与机器人视觉感知等领域应用广泛，OpenCV中提供了一个对二值图像几何特征描述与分析最有效的工具 - SimpleBlobDetector类，使用它可以实现对二值图像几何形状的分离与分析。而它之所以强大是因为整合OpenCV中其它一些API的功能，主要是有三个：
- 自动的图像灰度与二值化，根据输入的步长与阈值，得到半径
- 实现了轮廓查找功能，可以查找所有轮廓，
- 然后在此基础上基于几何矩的计算实现各种基于几何特征的过滤
在学习Blob特征检测器相关函数之前，我们首先看一下Blob几何特征过滤时候用到几何特征
面积
BLOB特征检测器可以根据面积大小对结果进行过滤，只有面积在指定范围内的几何形状才会被BLOB特征检出并标注。这样就可以通过它实现基于几何形状面积的大小分类。需要说明的是这里的面积是基于像素单位的，主要是利于几何矩进行计算得到。
圆度
圆度的公式可以表示为
- 当C等于1时候，该形状表示一个完美的圆形
- 当C趋近于0的时候，该形状表示接近于直线的多边形或者矩形。
- 当C值在0.75 ~ 0.85之间的时候，多数的时候表示与矩形或者等边的多边形出现。
惯性率
惯性率是跟偏心率，圆形的偏心率等于0， 椭圆的偏心率介于0和1之间，直线的偏心率接近于0， 基于几何矩计算惯性率比计算偏心率容易，所以OpenCV选择了惯性率这个特征值，根据惯性率可以计算出来偏心率，偏心率与惯性率之间关系表示如下
凸度
表示几何形状是凸包还是凹包的度量。说白了就是可以根据参数过滤凸多边形还是凹多边形， 输入的参数一般在0~1之间，最小为0，最大为1。一般圆形多会大于0.5以上
二、演示
演示部分通过两个例子来说明BLOB特征不同用法，第一个例子通过BLOB特征检测向日葵的葵盘，第二例子通过BLOB特征检测来对几何形状进行过滤分类。
示例一 ：原图
BLOB检测结果
相关的代码如下：
代码语言：javascript复制// 初始化BLOB参数
SimpleBlobDetector::Params params;
params.minDistBetweenBlobs = 0.0f;
params.filterByInertia = false;
params.filterByConvexity = false;
params.filterByColor = false;
params.filterByCircularity = false;
params.filterByArea = false;
// 声明根据面积过滤，设置最大与最小面积
params.filterByArea = true;
params.minArea = 20.0f;
params.maxArea = 2000.0f;
// 声明根据圆度过滤，设置最大与最小圆度
params.filterByCircularity = true;
params.minCircularity = 0.5;
params.maxCircularity = 1.0;
// 凸包形状分析 - 过滤凹包
params.filterByConvexity = true;
params.minConvexity = 0.5;
params.minConvexity = 1.0;
// 参数初始化BLOB检测器，
Ptr<SimpleBlobDetector> detector = SimpleBlobDetector::create(params);
vector<KeyPoint> keypoints;
// 检测得到特征与绘制特征
detector->detect(src, keypoints, Mat());
Mat kp_image;
drawKeypoints(src, keypoints, kp_image, Scalar(255, 0, 0), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
imshow("keypoints", kp_image);示例二：原图
参数不同过滤运行结果
蓝色与红色是检测结果表示
相关代码如下
代码语言：javascript复制// 几何形状过滤
// 声明根据面积过滤，设置最大与最小面积
params.filterByArea = true;
params.minArea = 1000.0f;
params.maxArea = 12000.0f;
// 声明根据圆度过滤，设置最大与最小圆度
params.filterByCircularity = true;
params.minCircularity = 0.7;
params.maxCircularity = 0.8;
// 凸包形状分析 - 过滤凹包
params.filterByConvexity = true;
params.minConvexity = 0.0;
params.minConvexity = 0.5;
// 参数初始化BLOB检测器，
Ptr<SimpleBlobDetector> detector = SimpleBlobDetector::create(params);
vector<KeyPoint> keypoints;
// 检测得到特征与绘制特征
detector->detect(src, keypoints, Mat());
Mat kp_image;
drawKeypoints(src, keypoints, kp_image, Scalar(0, 0, 255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
imshow("keypoints", kp_image);总结：
图像的BLOB特征提取与分析，除了使用SimpleBlobDetector类之外还可以通过findContours与几何矩Moments计算相结合来实现。后者更加考察对OpenCV相关API函数熟悉程度与图像处理相关知识的掌握程度。
