对于斑点检测，常常用来对图像中的某些特定目标进行检测，比如你可以用来统计图像中目标的数量，你可以依据目标在图像中的图像大小，目标的圆度、凸形等信息来进行筛选。
斑点检测
关于OpenCV中使用cv2.SimpleBlobDetector来进行斑点检测，你可以用来进行一些固定场景的检测使用，你可以通过设定前面提及的一些参数范围来进行筛选，这一点是很方便的。
# 利用区域的圆度来进行检测
import cv2
import numpy as np
img = cv2.imread('steel.png',-1)
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
bin_img = cv2.threshold(gray_img, 70, 255, cv2.THRESH_BINARY_INV)[1]
params = cv2.SimpleBlobDetector_Params()
#表示提取白色的色块，若需要提取黑色色块可以用0
params.blobColor = 255
#二值化的起始阈值
params.minThreshold = 0
#二值化的终止阈值
params.maxThreshold = 255
#控制blob的区域面积大小
params.filterByArea = True
params.minArea = 200
params.maxArea = 30000
#blob的圆度限制，默认为不限制，通常不限制，除非找圆形特征
params.filterByCircularity = True
#blob最小的圆度
params.minCircularity = 0.6
#blob的凸性
params.filterByConvexity = False
params.minConvexity = 0.7
#blob的惯性率， 圆为1， 线为0， 大多数情况介于[0 ,1]之间
params.filterByInertia = False
params.minInertiaRatio = 0.7
params.minDistBetweenBlobs = 5#最小的斑点距离，不同的二值图像斑点小于该值时将被认为是同一个斑点
params.minRepeatability= 2
detector=cv2.SimpleBlobDetector_create(params)
keypoints=detector.detect(bin_img)
for keypoint in keypoints:
x, y = np.int64(keypoint.pt[0]), np.int64(keypoint.pt[1])
cv2.circle(img,(x, y), 15, (255, 25, 25), 2)
cv2.putText(img, 'Pipe Count:' + repr(len(keypoints)), (0, 20), cv2.FONT_HERSHEY_SIMPLEX,0.8,(255, 25, 255), 2)
cv2.imshow('blob_detector', img)
cv2.imshow('bin_img', bin_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
相关博客：基于SimpleBlobDetector识别骰子点数https://cloud.tencent.com/developer/article/1571914
钢管计数软件设计(OpenCV+Qt实现): https://www.bilibili.com/video/av625557526,这里用的是圆检测，圆可以看作是斑的一种特殊情况，虽然需要辅助来纠正检测错误的目标，但能够帮助解决数重的问题，还是非常有意义的
你需要根据需要进行预处理，尤其是环境复杂的情况，尽量排除外界环境干扰，预处理分割的效果直接影响Blob检测。用blob来检测目标有一点是优点也是缺点，你要检测的目标不一定非得特定的形状，圆的，方的，椭圆的，甚至不规则都行，就是你需要使得它们彼此之间不连通。有时候往往你为了不连通而去膨胀目标区域，容易消除干扰，同时也会丢失一些信息，比如目标的边界，用来计数应用应该是足够了的。
关于斑点检测，最先接触到是OpenMV，一款开源的机器视觉模块，里面的斑点检测着实不错，速度快，开发容易上手。
关于OpenCV中的斑点检测问题请在评论区留言.Have Fun With OpenCV-Python, 下期见。
网友评论