视觉软件Blob分析（斑块分析）实战：如何检测工件表面有无划痕？

在工业视觉检测中，Blob分析（斑块分析）是一种基础且强大的技术，它通过分析图像中连通区域的形态特征，来识别、定位和计数目标。在表面划痕检测中，巧妙运用Blob分析可以取得显著效果。

核心原理：从像素到特征

Blob分析的本质是将一幅灰度图像，通过阈值分割，转变为二值图像（黑白图像），然后对连通的白点或黑点区域（即Blob）进行几何特征分析。这些特征包括面积、周长、中心位置、长宽比、圆度等。

实战四步法检测划痕

划痕在视觉上通常表现为与背景基材有明显灰度差异的线状或条状区域。检测流程如下：

第一步：图像预处理——增强对比，抑制噪声
原始图像中的划痕可能对比度不高，且存在噪声干扰。预处理是关键的第一步。

• 使用滤波：采用均值滤波或高斯滤波平滑图像，抑制随机噪声。但需注意，过度滤波可能导致细小的划痕特征丢失。

• 增强对比：利用对比度拉伸或直方图均衡化，拉大划痕与背景的灰度差，使划痕特征更加凸显。

第二步：阈值分割——分离目标与背景
这是Blob分析的核心。通过设定一个或多个灰度阈值，将图像转换为黑白二值图，使得划痕区域（目标）从背景中分离出来。

• 挑战：在光照不均的场合，固定阈值可能部分区域有效，部分区域无效。亮处可能误检，暗处可能漏检。

• 解决方案：采用动态阈值或局部阈值算法。该算法不是使用一个全局阈值，而是根据图像中每个像素邻域的灰度分布来计算其专属阈值，能极好地克服光照不均问题，是划痕检测的成功关键。

第三步：形态学处理——净化目标区域
阈值分割后的二值图像可能存在孤立的噪声点，或者划痕本身有断裂、毛刺。

• 开运算：先腐蚀后膨胀。可以有效消除细小的噪声点，并断开狭窄的连通处，平滑划痕边界。

• 闭运算：先膨胀后腐蚀。能够填充划痕内部的空洞，连接断开的相邻划痕，使其形成一个完整的连通域。

第四步：特征提取与分类——量化判断
此时，图像中的划痕已经成为一个个独立的Blob区域。我们需要设置合理的特征过滤器来判定它是否为真正的划痕。

• 面积：划痕通常呈细长状，其面积会大于噪声点，但小于其他类型的污渍。

• 长宽比：划痕是典型的线性缺陷，其最小外接矩形的长宽比会远大于1。

• 方向：可以设定划痕的大致方向范围进行筛选。

通过组合这些特征条件（例如：面积 > 50 像素 AND 长宽比 > 5），软件就能自动筛选出所有符合条件的Blob，并据此判定工件表面有无划痕，以及输出划痕的位置、数量和大小的统计信息。

总结：Blob分析划痕检测是一个系统工程，其稳定性依赖于高质量的打光、清晰的成像，以及合理的预处理、动态阈值分割和精准的特征筛选。掌握这一流程，可以有效解决大多数明场照明下的表面线性缺陷检测问题。