如何调整OpenCV参数以检测黑色背景上的白色Blob？

针对你的代码和测试场景，以下是具体的修改方案和原因说明：

核心问题与修改点 #

• 检测方向错误：OpenCV的SimpleBlobDetector默认检测**深色Blob（值为0）**在浅色背景上，而你的场景是白色Blob（值为255）在黑色背景，需添加pp.blobColor = 255指定检测浅色Blob。
• 面积阈值过高：测试图中的Blob实际面积远小于你设置的minArea=100，需调低该值（比如设为10）。
• 圆形度过滤过严：minCircularity=0.9要求Blob接近完美圆形，测试图中的Blob可能达不到这个标准，可调低至0.5或暂时关闭该过滤项。
• 图像转换错误：cv2.cvtColor(img1, cv2.CV_8UC1)是错误用法，CV_8UC1是数据类型而非颜色转换标志。如果plt.imread读入的是RGB图，应使用cv2.COLOR_RGB2GRAY转换为灰度图；如果是单通道灰度图，可直接跳过该转换。

修改后的完整代码 #

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

def normalizeImage(image):
    print("Normalizing image..")
    # 处理plt.imread可能返回的0-1浮点数图像
    if image.dtype == np.float32 or image.dtype == np.float64:
        image = (image * 255).astype(np.uint8)
    min_val = np.min(image)
    image = image - min_val  # 确保值为正
    max_val = np.max(image)
    if max_val == 0:
        return image
    div = max_val / 255
    image_8u = np.uint8(np.round(image / div))
    return image_8u

def detectBlobs(dustImage):
    print("Detecting blobs...")

    pp = cv2.SimpleBlobDetector_Params()

    # 关键：设置检测白色Blob（255）
    pp.blobColor = 255

    # 面积过滤：调低minArea适配测试图Blob大小
    pp.filterByArea = True
    pp.minArea = 10  # 根据实际Blob大小调整，测试图中Blob面积约20左右
    pp.maxArea = 1000  # 可根据需求设置上限

    # 圆形度过滤：降低阈值或暂时关闭
    pp.filterByCircularity = True
    pp.minCircularity = 0.5  # 放宽圆形度要求

    # 凸性过滤：可暂时关闭以调试，后续再调整
    pp.filterByConvexity = False
    # pp.minConvexity = 0.2

    # 惯性比过滤：可暂时关闭以调试
    pp.filterByInertia = False
    # pp.minInertiaRatio = 0.1

    detector = cv2.SimpleBlobDetector_create(pp)
    keypoints = detector.detect(dustImage)
    numberOfBlobs = len(keypoints)

    if numberOfBlobs > 0:
        print(f"{numberOfBlobs} blobs detected!")
        # 直接在原图上绘制关键点，无需创建空白图
        blobs = cv2.drawKeypoints(dustImage, keypoints, None, (0, 0, 255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

        text = f"Number of Blobs: {len(keypoints)}"
        # 调整文本位置适配测试图尺寸（测试图是512x512，所以把y设为480）
        cv2.putText(blobs, text, (20, 480), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 100, 255), 2)
        
        cv2.namedWindow('img', cv2.WINDOW_NORMAL)
        cv2.resizeWindow("img", 900, 900)
        cv2.imshow("img", blobs)
        cv2.waitKey(0)
        cv2.destroyAllWindows()
    else:
        print('No blobs detected')
    return numberOfBlobs

if __name__ == '__main__':
    img0 = plt.imread('artificial.png')
    # 检查图像通道数，如果是RGB则转灰度
    if len(img0.shape) == 3:
        img0 = cv2.cvtColor(img0, cv2.COLOR_RGB2GRAY)
    img1 = normalizeImage(img0)
    # 此时img1已经是单通道灰度图，无需再次转换
    detectBlobs(img1)

调试建议 #

1. 逐步开启过滤项：先关闭所有过滤（除了面积和blobColor），确保能检测到Blob后，再逐步开启圆形度、凸性、惯性比等过滤项，调整阈值至符合你的需求。
2. 确认图像输入：在detectBlobs函数开头添加cv2.imshow("input", dustImage); cv2.waitKey(0)，确认输入到检测器的图像是黑底白Blob的正确灰度图。
3. 适配原任务：当测试图检测成功后，再将参数迁移到复杂灰度图的浅色污点检测，可适当调整面积阈值和blobColor（如果污点是浅色，blobColor设为255；如果是比背景深的浅色，可调整阈值或先做二值化）。

内容的提问来源于stack exchange，提问作者İpek