CogBlobTool是一款專用于圖像斑點(diǎn)檢測(cè)于分析的 工具，通過灰度值閾值分割和特征過濾，幫助在復(fù)雜背景中提取目標(biāo)區(qū)域，并計(jì)算幾何屬性。

效果圖

注意：在這里只有一張圖像可以不使用模板匹配工具

CogBlobTool工具的功能

斑點(diǎn)檢測(cè)于分割

• 灰度值設(shè)置：支持多種閾值模式，包括固定閾值（HardFixedThreshold）、相對(duì)閾值（HardRelativeThreshold）、動(dòng)態(tài)閾值（HardDynamicThreshold）以及軟閾值（SoftFixed/Relativeshold），適應(yīng)不同光照條件下的圖像分割需求。

• 極性選擇：通過“白底黑點(diǎn)”（DarkBlobs）或“黑底白點(diǎn)”（LightBlobs）定義目標(biāo)區(qū)域的灰度對(duì)比方向，如在檢測(cè)深色零件上的白色缺陷時(shí)選擇“黑底白點(diǎn)”。

連通性于區(qū)域過濾

• 連通性模式：包括“已標(biāo)記”（Labeled）、"灰度"（GreyScale）等，用于定義像素之間的連接規(guī)則，確保正確識(shí)別獨(dú)立斑點(diǎn)。

• 形態(tài)學(xué)處理：通過“修剪”（Prune）或“填充”（Fill）清理策略優(yōu)化檢測(cè)結(jié)果。去除噪聲或填補(bǔ)孔洞。

• 面積過濾：設(shè)置最小面積（ConnectivityMinPixels）或范圍過濾（FilterRangeLow/High），排除過小或過大的干擾區(qū)域。

特征分析與測(cè)量

• 幾何屬性計(jì)算：包括面積（Area）、質(zhì)心坐標(biāo)（CentnerMassX/Y）、周長(zhǎng)、非環(huán)性（用于區(qū)分你圓形與其他形狀）等。

• 多條件篩選：支持基于多個(gè)屬性（如面積、標(biāo)簽）的聯(lián)合過濾，例如僅保留面積在200-1000像素且形狀接近圓形的斑點(diǎn)。

靈活的區(qū)域設(shè)置

• 可定義檢測(cè)區(qū)域形狀（如矩形、圓形、多邊形），或直接適應(yīng)整個(gè)圖像進(jìn)行全局分析。

CogBlobTool的應(yīng)用場(chǎng)景

工業(yè)檢測(cè)中的目標(biāo)定位

• 孔洞檢測(cè)：在金屬零件圖像中，通過“黑底白點(diǎn)”極性結(jié)合行對(duì)閾值，提取白色孔洞區(qū)域，并通過面積和非環(huán)性參數(shù)篩選出符合要求的孔。

• 缺陷識(shí)別：例如檢測(cè)LCD屏幕的亮點(diǎn)或暗點(diǎn)缺陷，利用動(dòng)態(tài)閾值適應(yīng)生產(chǎn)線光照變化，并通過面積過來吧排除微小噪聲。

物體計(jì)數(shù)與分類

• 顆粒物統(tǒng)計(jì)：在制藥或食品行業(yè)中，統(tǒng)計(jì)顆粒數(shù)量。如通過固定閾值分割藥品圖像或奶片圖像，計(jì)算質(zhì)心坐標(biāo)并輸出數(shù)量。

復(fù)雜背景下的特征提取

• 電子元件定位：在PCB版圖像中，通過連通性標(biāo)記（ConnectivityLabel）分離粘連的焊點(diǎn)，并結(jié)合形狀參數(shù)篩選合格焊點(diǎn)。

自動(dòng)化系統(tǒng)中的數(shù)據(jù)反饋

• 結(jié)合CogToolBlock或CogToolGroup工具鏈，將斑點(diǎn)檢測(cè)結(jié)果（如質(zhì)心坐標(biāo)）傳遞給下游的機(jī)械臂或定位系統(tǒng)，實(shí)現(xiàn)精準(zhǔn)抓取或裝配。

CogBlobTool工具的使用

方法	描繪
InputImage	是指被處理的原始圖像數(shù)據(jù)
Results.GetBlobs().Count	所有符合過濾條件的斑點(diǎn)的總數(shù)量
Results.GetBlobs().Item[0].CenterOfMassX	斑點(diǎn)質(zhì)心在圖像坐標(biāo)系中的X軸坐標(biāo)(水平方向)
Results.GetBlobs().Item[0].CenterOfMassY	斑點(diǎn)質(zhì)心在圖像坐標(biāo)系中的Y軸坐標(biāo)(垂直方向)
Results.GetBlobs().Item[0].Area	獲取檢測(cè)到的第一個(gè)斑點(diǎn)(Blob)面積的屬性

?電子模式：實(shí)時(shí)展示調(diào)整參數(shù)后的圖像

分段模式

映射：映射的核心部分，決定了哪些像素會(huì)被視為前景（斑點(diǎn)），哪些被視為背景。

硬閾值(固定)：指定一個(gè)固定的灰度值作為閾值。所有高于此值的像素被視為前景（通常是白色），而低于此值的像素被視為背景（通常是黑色）。這種方法適用于目標(biāo)與背景之間對(duì)比度明顯的情況

硬閾值(相對(duì)):相對(duì)閾值基于圖像的整體或局部特征來確定閾值，如平均亮度等。這種方式使得閾值可以根據(jù)圖像內(nèi)容自動(dòng)調(diào)整，有助于適應(yīng)不同的光照條件。

硬閾值(動(dòng)態(tài))：動(dòng)態(tài)閾值允許根據(jù)圖像的不同部分自適應(yīng)地調(diào)整閾值。這對(duì)于處理光照不均勻或者背景復(fù)雜的圖像特別有用，因?yàn)樗軌蜥槍?duì)每個(gè)局部區(qū)域優(yōu)化閾值。

軟閾值(固定)：軟閾值提供了一種更加靈活的方式，對(duì)于接近設(shè)定閾值的像素不會(huì)立即分類為前景或背景，而是可能獲得一個(gè)介于兩者之間的狀態(tài)。這種方法有助于減少噪聲的影響并平滑邊緣

軟閾值(相對(duì))：類似于硬閾值(相對(duì))，但是應(yīng)用于軟閾值邏輯上，即閾值依據(jù)圖像的一些特征按比例變化的同時(shí)，也考慮到了像素值接近閾值時(shí)的狀態(tài)轉(zhuǎn)換。

減影圖像：減影圖像是指從一張圖像中減去另一張圖像（通常是時(shí)間上的前后幀或是背景模型）。這主要用于運(yùn)動(dòng)檢測(cè)、背景消除等領(lǐng)域。結(jié)果是一個(gè)顯示差異的圖像，其中靜止的部分消失，僅留下發(fā)生變化的部分。

形態(tài)調(diào)整操作

形態(tài)工具	描述
侵蝕水平面	主要影響圖像中水平方向上的邊緣
侵蝕垂直面	主要影響圖像中垂直方向上的邊緣
侵蝕正方形	對(duì)整個(gè)圖像區(qū)域進(jìn)行腐蝕操作，沒有方向偏好
擴(kuò)大水平面	增強(qiáng)圖像中水平方向上的特征
擴(kuò)大垂直面	增強(qiáng)圖像中垂直方向上的特征
擴(kuò)大正方形	對(duì)整個(gè)圖像區(qū)域進(jìn)行膨脹操作
關(guān)閉水平面	首先在水平方向上對(duì)圖像進(jìn)行膨脹以填充可能存在的孔洞，然后再進(jìn)行腐蝕來恢復(fù)原始尺寸，但消除了水平方向上的小孔洞
關(guān)閉垂直面	類似地，在垂直方向上執(zhí)行閉運(yùn)算
關(guān)閉正方形	在整個(gè)圖像上進(jìn)行閉運(yùn)算，不區(qū)分方向
打開水平面	先在水平方向上腐蝕圖像以移除小的突起，然后膨脹回來以恢復(fù)尺寸，但去除了水平方向上的小突起
打開垂直面	在垂直方向上執(zhí)行開運(yùn)算
打開正方形	對(duì)整個(gè)圖像進(jìn)行開運(yùn)算，不考慮方向

數(shù)學(xué)形態(tài)學(xué)

?數(shù)學(xué)形態(tài)學(xué)_百度百科

步驟1

像素圖可以觀察數(shù)據(jù)具體的變化

?灰度圖可以觀察物體的特征

?步驟2

?步驟3

屬性：

?下圖特征比較明顯可以選擇面積屬性就能突出需要內(nèi)容，如不知該如何選擇屬性，可以打開結(jié)果看出具體數(shù)據(jù)

?步驟4

?

?步驟5

根據(jù)實(shí)際需要選擇對(duì)應(yīng)結(jié)果

?

CogBlobTool總結(jié)

CogBlobTool通過靈活的閾值設(shè)置、形態(tài)學(xué)處理和特征篩選，適用于需要從復(fù)雜背景中提取并分析目標(biāo)區(qū)域的場(chǎng)景。其核心優(yōu)勢(shì)在于適應(yīng)性強(qiáng)、參數(shù)配置直觀，且能與其他VisionPro工具（如CogPMAlignTool、CogCaliperTool）無縫集成，構(gòu)建完整的視覺檢測(cè)系統(tǒng)。