Halcon Blob分析流程及案例介绍

提示：本篇文章参考了网上其他文章，如有侵权，请联系作者。

---

前言

       Halcon中的Blob分析是最常见、最常用的方法，本篇文章会介绍Blob的相关概念，并通过案例来展示Blob分析的流程。

---

一、什么是Blob分析

       图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
       Blob，即binary large objec，二进制大型对象，是事务处理过程中遇到的一些大型的、复杂的数据项，必须作为一个完整的数据项看待。如一幅图形、一帧图像、一段语言等。在计算机视觉中的Blob是指图像中的具有相似颜色、纹理等特征所组成的一块连通区域。
       Blob分析（Blob Analysis）是对图像中相同像素的连通域进行分析(该连通域称为Blob)。其过程其实就是将图像进行二值化，分割得到前景和背景，然后进行连通区域检测，从而得到Blob块的过程。简单来说，blob分析就是在一块“光滑”区域内，将出现“灰度突变”的小区域寻找出来。
       如下图这块布料，表面纹理比较均匀。如果这块布料上面没有瑕疵，那么，我们是检测不到“灰度突变”的；相反，如果在布料生产过程中，由于种种原因，形成孔洞、裂缝，那么，我们就能在这块布料上面检测到纹理，经二值化（Binary Thresholding）处理后的图像中色斑可认为是blob。而这些部分，就是生产过程中造成的瑕疵，这个过程，就是Blob分析。

       Blob分析工具可以从背景中分离出目标，并可以计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是对单个像素逐一分析，而是对图像的行进行操作。图像的每一行都用游程长度编码（RLE）来表示相邻的目标范围。这种算法与基于像素的算法相比，大大提高了处理的速度。
       适用范围：针对二维目标图像和高对比度图像，适用于有无检测和缺陷检测。常用于二维目标图像、高对比度图像、存在/缺陷检测、数值范围和旋转不变性需求。显然，纺织品的瑕疵检测，玻璃的瑕疵检测，机械零件表面缺陷检测，可乐瓶缺陷检测，药品胶囊缺陷检测等很多场合都会用到blob分析。
       另一方面，Blob分析并不适用于以下图像：
       1、低对比度图像；
       2、必要的图像特征不能用2个灰度级描述； ·
       3、按照模版检测 (图形检测需求)
       Blob分析的优势是其超灵活性，其来源于HALCON提供的巨大数量的算子。再者，这些方法有这很好的性能。许多blob分析的方法可以与一些其他视觉任务想结合，例如可以作为感兴趣区域的灵活生成的一些预处理步骤。

二、Blob分析流程

1.基本步骤

       下图是Blob分析的基本步骤，这是一种理想状态，也是最基本的套路，获取图像->分割图像（区分前景像素和背景像素）->特征提取（比如面积、重心、旋转角度等）。
       halcon代码实现如下：
       read_image(Image,‘particle’)
       threshold(Image, BrightPixels,120,255)//阈值分割算子
       connection(BrightPixels,Particles)//断开联通区域
       area_center(Particles,Area,Row,Column)
       实际上，提取Blob之前和分析Blob之后也存在重要的步骤。比如，提取Blob之前一般要对图像进行预处理，比如图像的变换和校正、平滑与去噪、以及增强处理；分析Blob之后需要将Blob进行选取，或者将Blob重心的像素值向物理坐标系坐标值的转化。

       因此，Blob实现方法需要具体情况具体分析。就拿阈值分割提取Blob而言，是用固定阈值还是动态阈值，这都是根据图片情况进行具体分析的。

2.扩展概念

       在实际应用中，Blob 的分割会很复杂，需要处理更多步骤。 其原因有多种，比如杂乱或不均匀的照明、图像中有很多杂斑（很难提取目标位）。 此外，对Blob进行后处理以获取客户需要的直观显示数据，例如将特征转换为真实世界单位或结果可视化。

       这个过程可以总结为：获取图像->应用ROI->定位ROI->矫正图像->图像预处理->动态获取分割参数->分割图像->处理区域->特征提取->将像素坐标转换到世界坐标->结果显示或者输出。
       以halcon自带案例ball.hdev为例（开运算），展示分析过程。完整代码如下：

* ball.hdev: Inspection of Ball Bonding
* 
dev_update_window ('off')
dev_close_window ()
dev_open_window (0, 0, 728, 512, 'black', WindowID)
read_image (Bond, 'die/die_03')
dev_display (Bond)
set_display_font (WindowID, 14, 'mono', 'true', 'false')
disp_continue_message (WindowID, 'black', 'true')
stop ()
threshold (Bond, Bright, 100, 255)*灰度处理 二值化
shape_trans (Bright, Die, 'rectangle2')*形态学处理，一般用于定位，形状转换，rectangle2带方向的矩形
dev_set_color ('green')
dev_set_line_width (3)
dev_set_draw ('margin')
dev_display (Die)
disp_continue_message (WindowID, 'black', 'true')
stop ()
reduce_domain (Bond, Die, DieGrey)*区域锁定
threshold (DieGrey, Wires, 0, 50)*再次二值化
fill_up_shape (Wires, WiresFilled, 'area', 1, 100)*用给定的形状特征填充区域：面积为1~100的区域
dev_display (Bond)
dev_set_draw ('fill')
dev_set_color ('red')
dev_display (WiresFilled)
disp_continue_message (WindowID, 'black', 'true')
stop ()
*形态学处理：此处为开运算/（也可以用腐蚀）,减少像素，circle–对圆形作用最大
*形态学 腐蚀
*erosion_circle (WiresFilled, RegionErosion, 15.5)
*形态学 膨胀
*dilation_circle (RegionErosion, RegionDilation, 15.5)
形态学 开运算（效果同上 先腐蚀后膨胀）
opening_circle (WiresFilled, Balls, 15.5)
dev_set_color ('green')
dev_display (Balls)
disp_continue_message (WindowID, 'black', 'true')
stop ()
connection (Balls, SingleBalls)*将二值化分开的区域划分为不同的连通区域，断成不同的区域，方便后面作特征值提取处理
select_shape (SingleBalls, IntermediateBalls, 'circularity', 'and', 0.85, 1.0)*特征值提取
sort_region (IntermediateBalls, FinalBalls, 'first_point', 'true', 'column')
dev_display (Bond)
dev_set_colored (12)
dev_display (FinalBalls)
disp_continue_message (WindowID, 'black', 'true')
stop ()
smallest_circle (FinalBalls, Row, Column, Radius)
NumBalls := |Radius|
Diameter := 2 * Radius
meanDiameter := mean(Diameter)
minDiameter := min(Diameter)
dev_display (Bond)
disp_circle (WindowID, Row, Column, Radius)
dev_set_color ('white')
disp_message (WindowID, 'D: ' + Diameter$'.4', 'image', Row - 2 * Radius, Column, 'white', 'false')
dev_update_window ('on')

       最终得到的结果如下图：

3.常见特征提取

       1)、区域特征：
              a：面积area；
              b：力矩Moments；
              c：平行于主轴的最小矩形smallest_rectangle1；
              d：任意方向的最小矩形smallest_rectangle2；
              e：最小圆形smallest_circle；
              f：凸包面积convexity；
              g：contlength区域边界长度；
              h：圆形roundness；
              j：圆度circularity；
              k：紧密度compactness；
              l：矩形度rectangularity；
       2)、灰度特征
              a：简单灰度值特征：区域的平均灰度值；
              b：区域的最小和最大灰度值；

4.常用算子总结

       1)、图像预处理常用算子：
              a：mean_image:均值滤波
              b：gauss_image:高斯滤波
              c：median_image:中值滤波
       2)、动态获取分割参数常用算子：
              a：gray_histo_abs:灰度直方图
              b：histo_to_thresh:直方图二值化

5.开运算和闭运算

       图像分割时，会用到开运算和闭运算，采用不同的分割策略，效果会不一样，这里仅先介绍下概念。
       1)、开运算 先腐蚀后膨胀；
       2)、闭运算 先膨胀后腐蚀；
       3)、腐蚀；
       4)、膨胀。
       开运算和闭运算要用到的算子如下：
        1）、开运算 opening(ConnectedRegions, ConnectedRegions, RegionOpening1)
        2）、闭运算 closing(RegionOpening1, RegionOpening1, RegionClosing1)
        3）、腐蚀 erosion1(RegionClosing1, RegionClosing1, RegionErosion1, 1)
        4）、膨胀 dilation1(RegionErosion1, RegionErosion1, RegionDilation1, 1)
        5）、圆形结构开运算 opening_circle(ConnectedRegions, RegionOpening, 3.5)
        6）、圆形结构闭运算 closing_circle(RegionOpening, RegionClosing, 3.5)
        7）、圆形结构腐蚀 erosion_circle(RegionClosing, RegionErosion, 3.5)
        8）、圆形结构膨胀 dilation_circle(RegionErosion, RegionDilation, 3.5)

---

总结

       这里仅对Blob分析进行了基本介绍，更深入的知识点还需读者自己去查询相关资料、去实践中体会和理解。

参考文献
1、Halcon案例之Blob分析