CogBlobTool工具

CogBlobTool是一款专用于图像斑点检测于分析的 工具，通过灰度值阈值分割和特征过滤，帮助在复杂背景中提取目标区域，并计算几何属性。

效果图

注意：在这里只有一张图像可以不使用模板匹配工具

CogBlobTool工具的功能

斑点检测于分割

• 灰度值设置：支持多种阈值模式，包括固定阈值（HardFixedThreshold）、相对阈值（HardRelativeThreshold）、动态阈值（HardDynamicThreshold）以及软阈值（SoftFixed/Relativeshold），适应不同光照条件下的图像分割需求。

• 极性选择：通过“白底黑点”（DarkBlobs）或“黑底白点”（LightBlobs）定义目标区域的灰度对比方向，如在检测深色零件上的白色缺陷时选择“黑底白点”。

连通性于区域过滤

• 连通性模式：包括“已标记”（Labeled）、"灰度"（GreyScale）等，用于定义像素之间的连接规则，确保正确识别独立斑点。

• 形态学处理：通过“修剪”（Prune）或“填充”（Fill）清理策略优化检测结果。去除噪声或填补孔洞。

• 面积过滤：设置最小面积（ConnectivityMinPixels）或范围过滤（FilterRangeLow/High），排除过小或过大的干扰区域。

特征分析与测量

• 几何属性计算：包括面积（Area）、质心坐标（CentnerMassX/Y）、周长、非环性（用于区分你圆形与其他形状）等。

• 多条件筛选：支持基于多个属性（如面积、标签）的联合过滤，例如仅保留面积在200-1000像素且形状接近圆形的斑点。

灵活的区域设置

• 可定义检测区域形状（如矩形、圆形、多边形），或直接适应整个图像进行全局分析。

CogBlobTool的应用场景

工业检测中的目标定位

• 孔洞检测：在金属零件图像中，通过“黑底白点”极性结合行对阈值，提取白色孔洞区域，并通过面积和非环性参数筛选出符合要求的孔。

• 缺陷识别：例如检测LCD屏幕的亮点或暗点缺陷，利用动态阈值适应生产线光照变化，并通过面积过来吧排除微小噪声。

物体计数与分类

• 颗粒物统计：在制药或食品行业中，统计颗粒数量。如通过固定阈值分割药品图像或奶片图像，计算质心坐标并输出数量。

复杂背景下的特征提取

• 电子元件定位：在PCB版图像中，通过连通性标记（ConnectivityLabel）分离粘连的焊点，并结合形状参数筛选合格焊点。

自动化系统中的数据反馈

• 结合CogToolBlock或CogToolGroup工具链，将斑点检测结果（如质心坐标）传递给下游的机械臂或定位系统，实现精准抓取或装配。

CogBlobTool工具的使用

方法	描绘
InputImage	是指被处理的原始图像数据
Results.GetBlobs().Count	所有符合过滤条件的斑点的总数量
Results.GetBlobs().Item[0].CenterOfMassX	斑点质心在图像坐标系中的X轴坐标(水平方向)
Results.GetBlobs().Item[0].CenterOfMassY	斑点质心在图像坐标系中的Y轴坐标(垂直方向)
Results.GetBlobs().Item[0].Area	获取检测到的第一个斑点(Blob)面积的属性

 电子模式：实时展示调整参数后的图像

分段模式

映射：映射的核心部分，决定了哪些像素会被视为前景（斑点），哪些被视为背景。

硬阈值(固定)：指定一个固定的灰度值作为阈值。所有高于此值的像素被视为前景（通常是白色），而低于此值的像素被视为背景（通常是黑色）。这种方法适用于目标与背景之间对比度明显的情况

硬阈值(相对):相对阈值基于图像的整体或局部特征来确定阈值，如平均亮度等。这种方式使得阈值可以根据图像内容自动调整，有助于适应不同的光照条件。

硬阈值(动态)：动态阈值允许根据图像的不同部分自适应地调整阈值。这对于处理光照不均匀或者背景复杂的图像特别有用，因为它能够针对每个局部区域优化阈值。

软阈值(固定)：软阈值提供了一种更加灵活的方式，对于接近设定阈值的像素不会立即分类为前景或背景，而是可能获得一个介于两者之间的状态。这种方法有助于减少噪声的影响并平滑边缘

软阈值(相对)：类似于硬阈值(相对)，但是应用于软阈值逻辑上，即阈值依据图像的一些特征按比例变化的同时，也考虑到了像素值接近阈值时的状态转换。

减影图像：减影图像是指从一张图像中减去另一张图像（通常是时间上的前后帧或是背景模型）。这主要用于运动检测、背景消除等领域。结果是一个显示差异的图像，其中静止的部分消失，仅留下发生变化的部分。

形态调整操作

形态工具	描述
侵蚀水平面	主要影响图像中水平方向上的边缘
侵蚀垂直面	主要影响图像中垂直方向上的边缘
侵蚀正方形	对整个图像区域进行腐蚀操作，没有方向偏好
扩大水平面	增强图像中水平方向上的特征
扩大垂直面	增强图像中垂直方向上的特征
扩大正方形	对整个图像区域进行膨胀操作
关闭水平面	首先在水平方向上对图像进行膨胀以填充可能存在的孔洞，然后再进行腐蚀来恢复原始尺寸，但消除了水平方向上的小孔洞
关闭垂直面	类似地，在垂直方向上执行闭运算
关闭正方形	在整个图像上进行闭运算，不区分方向
打开水平面	先在水平方向上腐蚀图像以移除小的突起，然后膨胀回来以恢复尺寸，但去除了水平方向上的小突起
打开垂直面	在垂直方向上执行开运算
打开正方形	对整个图像进行开运算，不考虑方向

数学形态学

 数学形态学_百度百科

步骤1

像素图可以观察数据具体的变化

 灰度图可以观察物体的特征

 步骤2

 步骤3

属性：

 下图特征比较明显可以选择面积属性就能突出需要内容，如不知该如何选择属性，可以打开结果看出具体数据

 步骤4

 

 步骤5

根据实际需要选择对应结果

 

CogBlobTool总结

CogBlobTool通过灵活的阈值设置、形态学处理和特征筛选，适用于需要从复杂背景中提取并分析目标区域的场景。其核心优势在于适应性强、参数配置直观，且能与其他VisionPro工具（如CogPMAlignTool、CogCaliperTool）无缝集成，构建完整的视觉检测系统。