使用OpenCV计算Blob质心结果偏差问题求助

核心问题分析 #

1. 循环内变量重定义导致累加完全失效 #

在质心计算的双重循环中，你错误地在循环体内重新定义了sum_x和sum_y局部变量，直接覆盖了外部用于累加的变量：

for (e=0; e<thresholded_window.rows; e++)
{
    for (r=0; r<thresholded_window.cols; r++)
    {
        double intensity = thresholded_window.at<double>(e, r);
        double sum_x = sum_x + intensity * r; // 重定义sum_x，外部累加变量始终为0
        double sum_y = sum_y + intensity * e; // 同理sum_y也被重定义
    }
}

这导致sum_x和sum_y始终保持初始值0，最终计算出的窗口内质心为(0,0)，加上ROI的左上角坐标x_min/y_min，结果自然偏向图像左上角，与你描述的偏差完全吻合。

2. 像素类型访问错误 #

thresholded_window由8位灰度图（CV_8U）处理得到，你使用at<double>访问会导致内存越界，读取到错误的像素值，进一步干扰质心计算。必须使用at<uint8_t>获取原始像素值后再转换为double类型。

3. 质心计算公式分母错误 #

质心的正确计算公式应为：
$$x_c = \frac{\sum (I(x,y) \cdot x)}{\sum I(x,y)}, \quad y_c = \frac{\sum (I(x,y) \cdot y)}{\sum I(x,y)}$$
你错误地使用了降采样后Blob的像素数量max_group_size作为分母，而非ROI内阈值后所有像素的强度总和，这会导致质心计算结果严重偏离真实值。

4. 坐标顺序混淆风险 #

OpenCV中cv::Mat的坐标顺序是(行, 列)即(y, x)，你最终输出的real_centroid[0]对应y坐标，real_centroid[1]对应x坐标，若测试时的实际质心是(x, y)顺序，会造成坐标含义的混淆，建议输出时明确标注。

修复后的关键代码片段 #

修正质心计算部分 #

/* Compute the centroid of this window. */
double sum_x = 0;
double sum_y = 0;
double sum_intensity = 0; // 新增：累加所有有效像素的强度总和
double *windowed_centroid = new double[2];
for (e=0; e<thresholded_window.rows; e++)
{
    for (r=0; r<thresholded_window.cols; r++)
    {
        // 正确访问8位灰度图的像素值
        uint8_t pixel_val = thresholded_window.at<uint8_t>(e, r);
        double intensity = static_cast<double>(pixel_val);
        // 直接累加，不再重定义变量
        sum_x += intensity * r;
        sum_y += intensity * e;
        sum_intensity += intensity;
    }
}

// 使用强度总和作为分母，同时避免除以0的异常情况
if (sum_intensity > 0) {
    windowed_centroid[1] = sum_x / sum_intensity; // 对应原图像x坐标
    windowed_centroid[0] = sum_y / sum_intensity; // 对应原图像y坐标
} else {
    // 处理ROI内无有效像素的异常情况
    windowed_centroid[0] = windowed_centroid[1] = 0;
}

其他潜在优化点 #

• 连通分量分析阶段，加入extreme_size_thresh和min_size_thresh的判断，剔除不符合尺寸的区域，避免误选背景或噪声：

  if (members > extreme_size_thresh || members < min_size_thresh) {
      continue;
  }
  

• 构建ROI时，确保坐标不超出原图像边界，防止越界访问：

  x_min = std::max(0, x_min_decimated * decimation - border_size);
  y_min = std::max(0, y_min_decimated * decimation - border_size);
  x_max = std::min(static_cast<int>(SizeX), x_max_decimated * decimation + border_size);
  y_max = std::min(static_cast<int>(SizeY), y_max_decimated * decimation + border_size);
  

内容的提问来源于stack exchange，提问作者Brassard1984