OpenCV Blob Detector 在找到的位置上有偏移

Question

我已经尽可能地简化了这个，但仍然得到错误，所以我认为这是一个 OpenCV 错误......但试图确认我没有先做一些愚蠢的事情。

我有这张图片：

哪个 SimpleBlobDetector 被检测为

:

如您所见，有两个小斑点被正确检测到，但主要的大斑点在 x 方向偏移了大约 20 个像素，在 y 方向偏移了 10 个像素。我做错了什么？

显示此错误的示例应用程序：

#include "opencv2/opencv.hpp"

using namespace cv;

int main()
{
    cv::Mat im = imread("blob_error.png", cv::IMREAD_GRAYSCALE);

    // Set up SimpleBlobDetector parameters.
    cv::SimpleBlobDetector::Params params{};

    // Filter by color
    params.filterByColor = true;
    params.blobColor = 255;

    // Change grayscale search thresholds - since the input is a pre-binary-thresholded image, just use some values in the middle of the gray range
    // Note that simpleblobfinder does multiple passes at each threshold, exclusively, so the below is equivalent to a single pass at 128
    // The docs say the min is inclusive and the max is exclusive, but setting (128,129) yields zero detections
    params.minThreshold  = 127;
    params.maxThreshold  = 129;
    params.thresholdStep = 1;

    // Consider very-close blobs to be the same blob
    params.minDistBetweenBlobs = 5;

    // Filter by Area.  Always want to filter out tiny noise blobs
    params.filterByArea = true;
    params.minArea = 10;                                                              // Minimum size just to ignore noise
    params.maxArea = static_cast<float>(im.size().width * im.size().height) * 0.9f  ; // Let's say maximum size is 90% of the visible area.

    // Filter by Circularity (skipping)
    params.filterByCircularity = false;
    params.minCircularity = 0.1;
    params.maxCircularity = 1;

    // Filter by Convexity (skipping)
    params.filterByConvexity = false;
    params.minConvexity = 0;//.67;

    // Filter by Inertia (skipping)
    params.filterByInertia = false;
    params.minInertiaRatio = 0;//0.30;

    // Perform the detection
    cv::Ptr<cv::SimpleBlobDetector> detector = cv::SimpleBlobDetector::create(params);
    std::vector<cv::KeyPoint> keypoints;
    detector->detect( im, keypoints );

    cv::Mat im_with_keypoints;
    drawKeypoints(im, keypoints, im_with_keypoints, cv::Scalar(0, 0, 255), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
    imshow("keypoints", im_with_keypoints);
    imwrite("blob_error_detected.png", im_with_keypoints);
    cvWaitKey(0);

    return 0;
}

我正在使用 OpenCV 3.4.2

---

编辑 -- 这是没有中心圆的图像：

这里是检测结果（没有圆形过滤）

Answer 1

啊啊...想通了 - 非常感谢 @ziri 弹跳这个。

对于二值图像，使用以下参数：

params.minThreshold  = 128;
params.maxThreshold  = 129;
params.thresholdStep = 1;

params.minRepeatability = 1;

在我最初的评论中，我注意到将 min/max 设置为 128/129 不起作用，并假设有关 minThreshold 包含在内的文档是错误的，但它是正确的。失败的原因是，默认情况下，至少需要通过两次阈值处理才能返回 blob。

核心问题是 SimpleBlobDetector 不适用于二进制图像。正如我在问题中指出的那样，我最终没有使用它并直接使用轮廓，但想了解奇怪结果的原因。

关于那个奇怪的结果，目前没有足够的时间来确认，但是这里的 SimpleBlobDetectorImpl::detect 方法看起来像：https://github.com/opencv/opencv/blob/master/modules/features2d/src/blobdetector.cpp 合并了 blob 的中心位置，而不是大小。我怀疑这在灰度图像上比在二值图像上更有意义。

核心要点是，对于二进制图像，使用 minRepeatability = 1 并将阈值设置为 128/129/1，如上所述。 （否则不要使用 SimpleBlobDetector 并直接使用轮廓）。

Answer 2

BlobDetector 实际上是检测你拥有的最大斑点的质心，而不是圆形的！所以 Blobdetector 的结果是对的。

如果您的目标是检测中心的圆形斑点，请设置：

// Filter by Circularity
params.filterByCircularity = true;
params.minCircularity = 0.5;
params.maxCircularity = 1;

编辑：根据区域检测所有 blob（Blob 检测器）

#include <opencv2\opencv.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\core\mat.hpp>
#include <opencv2\imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;


int main()
{
cv::Mat im = imread("C:\\Users\\RaonOtics_Ziri\\Desktop\\vid\\test3.png", 
cv::IMREAD_GRAYSCALE);

// Set up SimpleBlobDetector parameters.
cv::SimpleBlobDetector::Params params;

params.filterByInertia = false;
params.filterByConvexity = false;
params.filterByCircularity = false;
params.filterByColor = true;

// Change thresholds
params.minThreshold = 10;
params.maxThreshold = 255;
params.blobColor = 255;

// Filter by Area
params.filterByArea = true;
params.minArea = 0;
params.maxArea = 90000000;
params.minDistBetweenBlobs = 0.0f;

// Perform the detection
cv::Ptr<cv::SimpleBlobDetector> detector = 
cv::SimpleBlobDetector::create(params);
std::vector<cv::KeyPoint> keypoints;
detector->detect(im, keypoints);

cv::Mat im_with_keypoints;
drawKeypoints(im, keypoints, im_with_keypoints, cv::Scalar(0, 0, 255), 
cv::DrawMatchesFlags::DEFAULT);

imshow("keypoints", im_with_keypoints);

imwrite("blob_error_detected.png", im_with_keypoints);
cvWaitKey(0);

return 0;

}

你会得到这个结果：

并启用循环过滤（最小值 = 0.5 最大值 = 1）：