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
jghhh0112 小时前
基于阈值分割的车牌定位识别
图像处理·opencv·计算机视觉
陈天伟教授1 天前
人工智能训练师认证教程(4)OpenCV 快速实践
人工智能·python·神经网络·opencv·机器学习·计算机视觉
百***78751 天前
【技术教程】3步极速接入GPT-5.1:零门槛体验多模态AI能力
android·java·人工智能·gpt·opencv
劈星斩月2 天前
OpenCV 学习10-边缘检测(Edge Detection)
opencv·边缘检测
骄傲的心别枯萎2 天前
RV1126 NO.57:ROCKX+RV1126人脸识别推流项目之读取人脸图片并把特征值保存到sqlite3数据库
数据库·opencv·计算机视觉·sqlite·音视频·rv1126
中年程序员一枚3 天前
cv2.sqrBoxFilter 是 OpenCV 中用于计算像素邻域平方和的盒式滤波函数
人工智能·opencv·计算机视觉
棒棒的皮皮3 天前
【OpenCV】Python图像处理之平滑处理
图像处理·python·opencv·计算机视觉
棒棒的皮皮3 天前
【OpenCV】Python图像处理之重映射
图像处理·python·opencv·计算机视觉
中年程序员一枚3 天前
cv2.blur 是 OpenCV 中实现均值滤波(归一化盒式滤波) 的核心函数
人工智能·opencv·均值算法
技术净胜3 天前
MATLAB进行图像分割从基础阈值到高级分割
opencv·计算机视觉·matlab