網(wǎng)站改版 更換服務(wù)器 排名丟失網(wǎng)站推廣建站
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)。