OpenCV2D 特征框架 (11)特征检测与描述用于检测二值图像中连通区域(即“斑点”或“blob”)的类cv::SimpleBlobDetector的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::SimpleBlobDetector 是 OpenCV 中用于检测二值图像中连通区域(即"斑点"或"blob")的类。这些连通区域可以是白色前景中的黑色斑点,也可以是黑色背景中的白色斑点。SimpleBlobDetector 可以识别不同形状、大小和亮度的斑点,并且可以设置参数来过滤掉不符合特定条件的斑点。

从 OpenCV 3.0 开始,SimpleBlobDetector 的创建方式有所变化。它现在是一个工厂方法 create 返回的一个指针对象,而不是直接实例化类的对象。这允许通过修改参数来配置检测器的行为,而无需改变代码逻辑。

下面是一些重要的成员函数和属性:

  • 构造函数:
    在 OpenCV 3.x 和更新版本中,推荐使用 cv::SimpleBlobDetector::create() 方法来创建 SimpleBlobDetector 对象,该方法返回一个指向 Ptrcv::SimpleBlobDetector 类型的智能指针。
  • 成员函数:
    • void detect(const cv::Mat& image, std::vectorcv::KeyPoint& keypoints) 检测输入图像中的斑点,并将结果存储在 keypoints 向量中。每个 cv::KeyPoint 表示一个斑点的位置、大小和其他信息。
    • void setParams(const SimpleBlobDetector::Params& params) 设置斑点检测器的参数。这通常是在创建检测器之后立即调用,以配置其行为。
    • Params getParams() const 获取当前设置的参数。
  • 成员类型:
    • struct Params 包含了可以调整的各种参数,例如斑点的最小面积、最大面积、圆度范围、凸性等。你可以通过修改 Params 结构体内的成员变量来自定义斑点检测的过程。

代码示例

cpp 复制代码
#include <opencv2/features2d.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    // 加载图像并转换为灰度图
    Mat image = imread( "/media/dingxin/data/study/OpenCV/sources/images/smarties.png", IMREAD_GRAYSCALE );
    if ( image.empty() )
    {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }

    // 配置斑点检测器参数
    SimpleBlobDetector::Params params;

    // 改变默认参数
    params.filterByArea = true;
    params.minArea      = 100;

    params.filterByCircularity = true;
    params.minCircularity      = 0.1;

    params.filterByConvexity = true;
    params.minConvexity      = 0.87;

    params.filterByInertia = true;
    params.minInertiaRatio = 0.01;

    // 创建斑点检测器
    Ptr< SimpleBlobDetector > detector = SimpleBlobDetector::create( params );

    // 检测斑点
    std::vector< KeyPoint > keypoints;
    detector->detect( image, keypoints );

    // 绘制斑点并显示
    Mat outputImage;
    drawKeypoints( image, keypoints, outputImage, Scalar::all( -1 ), DrawMatchesFlags::DEFAULT );
    imshow( "Detected Blobs", outputImage );
    waitKey( 0 );

    return 0;
}

运行结果

相关推荐
saoys6 小时前
Opencv 学习笔记:图像掩膜操作(精准提取指定区域像素)
笔记·opencv·学习
li星野11 小时前
OpenCV4X学习—核心模块Core
人工智能·opencv·学习
saoys12 小时前
Opencv 学习笔记:绘制动态随机直线(附实时展示)
笔记·opencv·学习
MM_MS14 小时前
Halcon图像锐化和图像增强、窗口的相关算子
大数据·图像处理·人工智能·opencv·算法·计算机视觉·视觉检测
saoys17 小时前
Opencv 学习笔记:一文掌握四种经典图像滤波(均值 / 高斯 / 中值 / 双边)
笔记·opencv·学习
Elaine33619 小时前
【验证码识别算法性能对比实验系统——KNN、SVM、CNN 与多模态大模型的性能博弈与机理分析】
python·opencv·支持向量机·cnn·多模态·数字图像处理
saoys20 小时前
Opencv 学习笔记:滑块(Trackbar)实现动态调整二值化阈值
笔记·opencv·学习
saoys21 小时前
Opencv 学习笔记:图像绘制(直线 / 圆 / 椭圆 / 矩形 / 多边形 + 文字添加)
笔记·opencv·学习
sali-tec21 小时前
C# 基于OpenCv的视觉工作流-章8-形态学
人工智能·深度学习·opencv·算法·计算机视觉
子夜江寒1 天前
基于 OpenCV 的图像形态学与边缘检测
python·opencv·计算机视觉