求助：对比两幅二值图像识别新增Blob的方法

核心问题就是两帧里同一个Blob尺寸、形状变了，像素级的位运算（OR/AND/XOR）根本没法准确区分，得换成先提特征再匹配的思路来搞：

• 第一步：分别抠出两帧里所有Blob的关键特征
  用OpenCV的cv2.findContours()或者scikit-image的skimage.measure.find_contours()这类工具，把每帧里的Blob都拎出来，记录每个Blob的这些信息：

  • 中心坐标（质心或者外接矩形的中心都行）
  • 最小外接矩形/椭圆的尺寸、面积、轮廓周长
  • Hu矩（这个对缩放、旋转不敏感，专门对付形状变了的情况）

• 第二步：给两帧的Blob做配对
  先筛位置再验形状，把同一Blob的两个帧实例配对上：

  1. 先按位置距离粗筛：算t0帧每个Blob中心到t帧所有Blob中心的直线距离，设个阈值（比如取Blob平均直径的一半），只留距离在阈值内的候选对。
  2. 再用形状相似度细验：对候选对，算Hu矩的相似度（或者面积、尺寸的比值），比如Hu矩距离小于0.1、面积比值在0.7到1.3之间，满足的就判定是同一个Blob。

• 第三步：揪出新增的Blob
  把t帧里所有没在t0帧找到配对的Blob挑出来，这些就是你要的全新XY位置的新增Blob。

• 额外优化点

  • 如果拍摄时图像有轻微偏移，先做图像配准（比如用SIFT/SURF特征把两帧对齐），消除位置误差干扰。
  • 要是Blob尺寸变化特别大，优先用Hu矩这种对缩放不敏感的特征，别用面积、尺寸这类容易变的指标。

t=0时刻图像：

t=t时刻图像：

内容的提问来源于stack exchange，提问作者band