BLOB算法简述

http://www.china-vision.net/bbs7/2003-9/29/155940867.html

 不一定要二值化，实际上。在我所接触过的系统中。BLOB算法，没有一家是用二值化的，因为误差太大。 所谓BLOB算法，其实没有什么奥妙可言。简单地说，就是在一个欲定的“清洁”的范围内，将一块斑点（大家可以想象成是一块“污迹”）找出来。 其算法，也不难－－至少在目前已知的算法中来看是这样的。完全是基于“边缘寻找”算法之上。上次答应过YOUYOU写一篇有关BLOB算法，非常对不起，最近忙于和国内的合作项目，实在没有时间。只好先欠着。在这里只简单地介绍一下：

BLOB算法的核心思想，就是在一块区域内，把出现“灰度突变”的范围找出来。什么意思呢？便于大家理解举个实际例子：想象大家手上有一面镜子，非常清洁（清洁到大家脸上的“青春痘”都看得一清二楚）。现在我在上面滴一滴蜡，于是镜面上就出现子一个“污点”。BLOB算法，就是帮助我们把这个“污点”的准确位置找出来，并确定其大小、形状及面积等的算法。 现在整个镜面就是我们欲定的检测范围。用光源把该范围照亮。于是，由于镜面是强反射的表面，所以在相机中看到的是一片白色，而点了蜡的地方，则不会反光，或反光极弱。所以这一小块“污点”，在成象中看到的就是一块黑。 算法启动，最普通的算法是边缘寻找中的“卷积算法”（convolution，呵呵。。好象有几种不同名称）。我们把例子具体到极点：现在“卷积算法”的矩阵设定为2×4，也就是说2行4列。扫描是从左向右由上至下进行的。那么，矩阵每移动一步，程序就会计算矩阵中前半部（列1及列2）的灰度值总和，与矩阵后部（列3及列4）灰度值总和的差。如果矩阵中的这块图象的颜色是一致的，也就是说矩阵中的8个象素的灰度极接近的话。那么，这个矩阵前部与后部灰度值总和差应该是趋近0的。 程序一步步运行，矩阵前部与后部灰度值总和差一直接近0。这时，这个矩阵扫描到了那块“污点”的边缘，这时矩阵前部与后部灰度值总和差突然“跳”了起来，即，矩阵中的灰度值不再接近，出现了一块“黑