// 导入所需的OpenCV头文件
#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/features2d.hpp>
// 导入向量和映射容器
#include <vector>
#include <map>
// 导入输入输出流库
#include <iostream>
// 使用标准命名空间和OpenCV命名空间，避免在使用这些命名空间下的类型和函数时反复输入std::和cv::
using namespace std;
using namespace cv;
// 帮助函数，用于提供程序的使用说明
static void help(char** argv)
{
cout << "\n This program demonstrates how to use BLOB to detect and filter region \n"
<< "Usage: \n"
<< argv[0]
<< " <image1(detect_blob.png as default)>\n"
<< "Press a key when image window is active to change descriptor";
}
// 函数Legende用于根据SimpleBlobDetector的参数pAct生成不同Blob检测条件的文字描述
static String Legende(SimpleBlobDetector::Params &pAct)
{
// 创建一个空字符串s，用于存放最终生成的描述文字
String s = "";
// 如果启用了面积过滤器filterByArea
if (pAct.filterByArea)
{
// 将最小面积minArea和最大面积maxArea转换成字符串表示，并追加到s中
String inf = static_cast<const ostringstream&>(ostringstream() << pAct.minArea).str();
String sup = static_cast<const ostringstream&>(ostringstream() << pAct.maxArea).str();
s = " Area range [" + inf + " to " + sup + "]";
}
// 如果启用了圆度过滤器filterByCircularity
if (pAct.filterByCircularity)
{
// 将最小圆度minCircularity和最大圆度maxCircularity转换成字符串表示，并追加到s中
String inf = static_cast<const ostringstream&>(ostringstream() << pAct.minCircularity).str();
String sup = static_cast<const ostringstream&>(ostringstream() << pAct.maxCircularity).str();
// 判断之前的描述文字s是否为空，如果为空则直接赋值，不为空则添加"AND"进行连接
if (s.length() == 0)
s = " Circularity range [" + inf + " to " + sup + "]";
else
s += " AND Circularity range [" + inf + " to " + sup + "]";
}
// 如果启用了颜色过滤器filterByColor
if (pAct.filterByColor)
{
// 将Blob的颜色blobColor转换为整数并转换成字符串表示，然后追加到s中
String inf = static_cast<const ostringstream&>(ostringstream() << (int)pAct.blobColor).str();
// 判断之前的描述文字s是否为空，如果为空则直接赋值，不为空则添加"AND"进行连接
if (s.length() == 0)
s = " Blob color " + inf;
else
s += " AND Blob color " + inf;
}
// 如果启用了凸度过滤器filterByConvexity
if (pAct.filterByConvexity)
{
// 将最小凸度minConvexity和最大凸度maxConvexity转换成字符串表示，并追加到s中
String inf = static_cast<const ostringstream&>(ostringstream() << pAct.minConvexity).str();
String sup = static_cast<const ostringstream&>(ostringstream() << pAct.maxConvexity).str();
// 判断之前的描述文字s是否为空，如果为空则直接赋值，不为空则添加"AND"进行连接
if (s.length() == 0)
s = " Convexity range[" + inf + " to " + sup + "]";
else
s += " AND Convexity range[" + inf + " to " + sup + "]";
}
// 如果启用了惯性比过滤器filterByInertia
if (pAct.filterByInertia)
{
// 将最小惯性比minInertiaRatio和最大惯性比maxInertiaRatio转换成字符串表示，并追加到s中
String inf = static_cast<const ostringstream&>(ostringstream() << pAct.minInertiaRatio).str();
String sup = static_cast<const ostringstream&>(ostringstream() << pAct.maxInertiaRatio).str();
// 判断之前的描述文字s是否为空，如果为空则直接赋值，不为空则添加"AND"进行连接
if (s.length() == 0)
s = " Inertia ratio range [" + inf + " to " + sup + "]";
else
s += " AND Inertia ratio range [" + inf + " to " + sup + "]";
}
// 返回最终生成的Blob检测条件描述文字
return s;
}
// 主函数
int main(int argc, char *argv[])
{
// 用于存储读取的文件名
String fileName;
// 创建命令行解析器，用于处理通过命令行传入的参数
cv::CommandLineParser parser(argc, argv, "{@input |detect_blob.png| }{h help | | }");
// 如果有"-h"或"--help"参数，显示帮助信息后结束程序
if (parser.has("h"))
{
help(argv);
return 0;
}
// 如果没有提供输入文件名参数，则使用默认的"detect_blob.png"
fileName = parser.get<string>("@input");
// 读取并存储图像
Mat img = imread(samples::findFile(fileName), IMREAD_COLOR);
// 如果读取失败或图像为空，则输出错误信息并结束程序
if (img.empty())
{
cout << "Image " << fileName << " is empty or cannot be found\n";
return 1;
}
// 初始化SimpleBlobDetector的默认参数
SimpleBlobDetector::Params pDefaultBLOB;
// 设置默认的BLOB检测器的参数
// 设置SimpleBlobDetector的阈值步长
pDefaultBLOB.thresholdStep = 10;
// 设置SimpleBlobDetector的最小阈值
pDefaultBLOB.minThreshold = 10;
// 设置SimpleBlobDetector的最大阈值
pDefaultBLOB.maxThreshold = 220;
// 设置SimpleBlobDetector的最小重复性
pDefaultBLOB.minRepeatability = 2;
// 设置SimpleBlobDetector的BLOB之间的最小距离
pDefaultBLOB.minDistBetweenBlobs = 10;
pDefaultBLOB.filterByColor = false; // 不按颜色过滤
pDefaultBLOB.blobColor = 0; // BLOB的默认颜色
pDefaultBLOB.filterByArea = false; // 不按区域大小过滤
pDefaultBLOB.minArea = 25; // 最小区域大小
pDefaultBLOB.maxArea = 5000; // 最大区域大小
pDefaultBLOB.filterByCircularity = false; // 不按圆度过滤
pDefaultBLOB.minCircularity = 0.9f; // 最小圆度
pDefaultBLOB.maxCircularity = (float)1e37; // 设置一个非常大的数，代表无上限
pDefaultBLOB.filterByInertia = false; // 不按惯性比过滤
pDefaultBLOB.minInertiaRatio = 0.1f; // 最小惯性比
pDefaultBLOB.maxInertiaRatio = (float)1e37; // 设置一个非常大的数，代表无上限
pDefaultBLOB.filterByConvexity = false; // 不按凸度过滤
pDefaultBLOB.minConvexity = 0.95f; // 最小凸度
pDefaultBLOB.maxConvexity = (float)1e37; // 设置一个非常大的数，代表无上限
// 存储BLOB类型描述符的字符串向量
vector<String> typeDesc;
// 存储不同BLOB参数的向量
vector<SimpleBlobDetector::Params> pBLOB;
// BLOB参数向量的迭代器
vector<SimpleBlobDetector::Params>::iterator itBLOB;
// 初始化一个颜色调色板，用于给不同的BLOB着色
vector< Vec3b > palette;
// 随机生成调色板中的颜色
for (int i = 0; i<65536; i++)
{
uchar c1 = (uchar)rand();
uchar c2 = (uchar)rand();
uchar c3 = (uchar)rand();
palette.push_back(Vec3b(c1, c2, c3));
}
// 调用help函数显示帮助信息
help(argv);
// 下面代码将创建不同参数的BLOB检测器，并显示它们的结果
// 配置六种不同参数的BLOB检测器
// 例如，第一个检测器我们要检测所有BLOB
// 对每种类型描述符进行初始化，然后按不同的过滤条件修改参数
// 将"BLOB"类型推入描述符类型向量
typeDesc.push_back("BLOB"); // 参见OpenCV官方文档SimpleBlobDetector类的描述
pBLOB.push_back(pDefaultBLOB); // 将默认BLOB参数推入参数向量
pBLOB.back().filterByArea = true; // 启用面积过滤
pBLOB.back().minArea = 1; // 设置筛选的最小面积
pBLOB.back().maxArea = float(img.rows * img.cols); // 设置筛选的最大面积为图像的总面积
// 第二个BLOB检测器的参数设置：要求检测面积在500到2900像素之间的区域
typeDesc.push_back("BLOB"); // 类型描述符追加"BLOB"
pBLOB.push_back(pDefaultBLOB); // 使用默认参数作为基础
pBLOB.back().filterByArea = true; // 启用面积过滤
pBLOB.back().minArea = 500; // 设置最小面积为500像素
pBLOB.back().maxArea = 2900; // 设置最大面积为2900像素
// 第三个BLOB检测器的参数设置：仅检测圆形物体
typeDesc.push_back("BLOB"); // 类型描述符追加"BLOB"
pBLOB.push_back(pDefaultBLOB); // 使用默认参数作为基础
pBLOB.back().filterByCircularity = true; // 启用圆度过滤
// 第四个BLOB检测器的参数设置：根据惯性比进行筛选
typeDesc.push_back("BLOB"); // 类型描述符追加"BLOB"
pBLOB.push_back(pDefaultBLOB); // 使用默认参数作为基础
pBLOB.back().filterByInertia = true; // 启用惯性比过滤
pBLOB.back().minInertiaRatio = 0; // 设置最小惯性比为0
pBLOB.back().maxInertiaRatio = (float)0.2; // 设置最大惯性比为0.2
// 第五个BLOB检测器的参数设置：根据凸度进行筛选
typeDesc.push_back("BLOB"); // 类型描述符追加"BLOB"
pBLOB.push_back(pDefaultBLOB); // 使用默认参数作为基础
pBLOB.back().filterByConvexity = true; // 启用凸度过滤
pBLOB.back().minConvexity = 0.; // 设置最小凸度为0
pBLOB.back().maxConvexity = (float)0.9; // 设置最大凸度为0.9
// 第六个BLOB检测器的参数设置：检测重心颜色为0的BLOB
typeDesc.push_back("BLOB"); // 类型描述符追加"BLOB"
pBLOB.push_back(pDefaultBLOB); // 使用默认参数作为基础
pBLOB.back().filterByColor = true; // 启用颜色过滤
pBLOB.back().blobColor = 0; // 设置筛选的BLOB颜色为0
// 迭代器指向BLOB参数向量的起始位置
itBLOB = pBLOB.begin();
// 存储比较结果的向量
vector<double> desMethCmp;
// 创建Feature2D的智能指针，用于后续的特征检测
Ptr<Feature2D> b;
// 用于存储文本标签
String label;
// 循环遍历所有类型描述符
vector<String>::iterator itDesc;
for (itDesc = typeDesc.begin(); itDesc != typeDesc.end(); ++itDesc)
{
// 存储检测到的关键点
vector<KeyPoint> keyImg1;
// 对于BLOB类型描述符
if (*itDesc == "BLOB")
{
b = SimpleBlobDetector::create(*itBLOB); // 创建BLOB检测器
label = Legende(*itBLOB); // 生成描述字符串
++itBLOB; // 移动到下一个参数集
}
// 错误处理
try
{
// 存储检测到的关键点
vector<KeyPoint> keyImg;
vector<Rect> zone;
vector<vector <Point> > region;
// 创建用于描述的矩阵和结果显示的图像
Mat desc, result(img.rows, img.cols, CV_8UC3);
// 如果是SimpleBlobDetector
if (b.dynamicCast<SimpleBlobDetector>().get())
{
// 动态转换为SimpleBlobDetector
Ptr<SimpleBlobDetector> sbd = b.dynamicCast<SimpleBlobDetector>();
// 使用SimpleBlobDetector检测关键点
sbd->detect(img, keyImg, Mat());
// 绘制检测到的关键点
drawKeypoints(img, keyImg, result);
// 遍历关键点，并在结果图中用圆圈表示
int i = 0;
for (vector<KeyPoint>::iterator k = keyImg.begin(); k != keyImg.end(); ++k, ++i)
circle(result, k->pt, (int)k->size, palette[i % 65536]);
}
// 创建窗口显示结果
namedWindow(*itDesc + label, WINDOW_AUTOSIZE);
imshow(*itDesc + label, result);
// 显示原始图像
imshow("Original", img);
// 等待用户响应
waitKey();
}
catch (const Exception& e)
{
// 如果发生错误，则打印错误信息
cout << "Feature : " << *itDesc << "\n";
cout << e.msg << endl;
}
}
// 程序正常退出
return 0;
}这段代码是使用OpenCV库编写的C++源码，用于演示如何通过SimpleBlobDetector类检测图像中的BLOB（Binary Large Object，二进制大对象），并根据不同参数过滤和显示检测到的区域。BLOB主要用于分割图像中具有不同特性（如面积、颜色、凸性等）的连续区域。代码中包括Blob检测参数的配置、随机颜色调色板的生成、关键点检测、过滤条件的文字描述生成、图像的显示以及异常处理。通过更改SimpleBlobDetector的参数，用户可以筛选满足特定条件的图像区域，比如特定大小、形状或颜色的物体。
b.dynamicCast<SimpleBlobDetector>().get()
