为何cv2.SimpleBlobDetector仅在Blob单侧勾勒额外空白？如何解决？

当Blob紧贴图像边缘时，SimpleBlobDetector会错误地将边缘外的空白区域纳入Blob的拟合范围，导致中心坐标偏移。以下是直接有效的解决方法：

1. 预处理：分离Blob与背景 #

先通过二值化提取Blob的真实像素区域，排除边缘空白干扰：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# img为输入的8位灰度二维numpy数组
# 二值化：用Otsu自动阈值分割Blob和背景（根据Blob明暗调整THRESH_BINARY_INV）
_, binary_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 可选：形态学闭操作填补Blob内部小空洞，增强区域完整性
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
binary_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)

2. 轮廓分析：精准计算Blob中心 #

放弃SimpleBlobDetector，直接通过轮廓分析获取Blob的真实区域，计算质心或最小外接圆中心：

# 查找图像中的外接轮廓
contours, _ = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 取面积最大的轮廓（对应目标Blob）
main_contour = max(contours, key=cv2.contourArea)

# 方法一：计算Blob质心（适合任意形状）
M = cv2.moments(main_contour)
if M["m00"] != 0:
    blob_center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))
else:
    blob_center = (img.shape[1] // 2, img.shape[0] // 2)  # 极端情况 fallback

# 方法二：计算最小外接圆中心（适合圆形Blob）
# (x, y), _ = cv2.minEnclosingCircle(main_contour)
# blob_center = (int(x), int(y))

3. 可视化验证结果 #

# 转换为彩色图用于绘制标记
img_result = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
# 绘制Blob轮廓
cv2.drawContours(img_result, [main_contour], -1, (0, 255, 0), 2)
# 绘制中心坐标（蓝色实心圆）
cv2.circle(img_result, blob_center, 3, (255, 0, 0), -1)

plt.imshow(img_result)
plt.show()

核心原因 #

SimpleBlobDetector的拟合逻辑依赖完整的Blob边界，当Blob处于图像边缘时，检测器会默认将图像外的区域视为Blob的延伸部分，导致拟合的外接圆包含空白区域，中心偏移。而轮廓分析仅处理图像内的真实像素，完全不受图像边缘的干扰。

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