Skip to content

blob — ตรวจจับและวัดคุณสมบัติกลุ่มพิกเซล (Connected Components) ​

โมดูล blob ใช้สำหรับค้นหากลุ่มพิกเซลสีขาวที่เชื่อมต่อกันเป็นชิ้นเดียว (Blob / Connected Component) จาก Binary Mask พร้อมคัดกรองตามขนาดพื้นที่และความกลม เพื่อนำไปใช้นับจำนวนชิ้นงาน ตรวจจับสิ่งแปลกปลอม หรือส่งพิกัดจุดศูนย์กลาง (Centroid) ให้โมดูลวัดระยะ measure_distance

1. การใช้งานใน Recipe ​

  • Input: mask (จำเป็นต้องระบุ, Binary Mask CV_8UC1)
  • Parameters:
    • minArea (double, ค่าเริ่มต้น 100.0, หน่วย px^2): พื้นที่ขั้นต่ำของ Blob ที่ยอมรับ
    • maxArea (double, ค่าเริ่มต้น 1000000.0, หน่วย px^2): พื้นที่สูงสุดของ Blob ที่ยอมรับ
    • minCircularity (double, ค่าเริ่มต้น 0.0, ช่วง 0.0 – 1.0): ค่าความกลมขั้นต่ำ (1.0 คือวงกลมสมบูรณ์)
  • Outputs / Metrics:
    • count (int): จำนวน Blob ทั้งหมดที่ผ่านเงื่อนไขการกรอง
    • area (double): พื้นที่ของ Blob ที่ใหญ่ที่สุด (ส่งออกเฉพาะเมื่อ count > 0)
    • blobs (โครงสร้างภายใน): รายการของ Blob { cx, cy, area, circularity } เรียงลำดับจากพื้นที่มากไปน้อย (index 0 คือ Blob ที่ใหญ่ที่สุด)
json
{
  "id": "ring",
  "type": "blob",
  "enabled": true,
  "params": {
    "minArea": 1500.0,
    "maxArea": 8000.0,
    "minCircularity": 0.65
  },
  "inputs": { "mask": "clean_mask" }
}

2. หลักการทำงานภายในซอฟต์แวร์ ​

อ้างอิงจาก src/tools/blob.cpp:

  1. เรียกใช้ cv::connectedComponentsWithStats แบบ 8-connectivity (นับพิกเซลที่ติดกันทั้งแนวตั้ง แนวนอน และแนวทแยง)
  2. ข้าม Label 0 (ซึ่งเป็นพื้นหลังสีดำ) และกรอง area จาก stats ก่อนเป็นอันดับแรก เพื่อไม่ต้องเสียเวลาหา Contour ให้กับ Noise ขนาดเล็ก
  3. เฉพาะ Label ที่ผ่านเกณฑ์พื้นที่ ระบบจะตัดเฉพาะกรอบ Bounding Box ออกมาหาเส้นรอบรูปด้วย cv::findContours(..., RETR_EXTERNAL, CHAIN_APPROX_NONE) และคำนวณ cv::arcLength
  4. คัดกรองด้วย minCircularity แล้วเก็บพิกัดจุดศูนย์กลางมวล (cx, cy) จาก centroids
  5. เรียงลำดับจากพื้นที่มากไปน้อย (a.area > b.area) เพื่อให้ bIndex = 0 ในโมดูลถัดไปหมายถึงชิ้นงานที่ใหญ่ที่สุดเสมอ

3. ทฤษฎีเบื้องหลัง (OpenCV & Machine Vision) ​

1) Connected Components Labeling (8-Connectivity) ​

อัลกอริทึมจะสแกนภาพขาว-ดำเพื่อจัดกลุ่มพิกเซลสีขาวที่เชื่อมต่อถึงกัน (ใน 8 ทิศทางรอบพิกเซล) ให้มีหมายเลข Label เดียวกัน พร้อมคำนวณสถิติสำคัญในรอบเดียว ได้แก่:

  • Area: จำนวนพิกเซลทั้งหมดในกลุ่มนั้น
  • Bounding Box: (left, top, width, height)
  • Centroid: จุดศูนย์กลางมวล (x¯,y¯)=(1N∑xi,1N∑yi)

2) Circularity (ค่าความกลม / Isoperimetric Quotient) ​

ใช้วัดว่ารูปร่างของ Blob ใกล้เคียงวงกลมมากน้อยเพียงใด โดยอาศัยความสัมพันธ์ระหว่างพื้นที่ A และความยาวเส้นรอบรูป P:

Circularity=4π⋅AreaPerimeter2
  • วงกลมสมบูรณ์: มีค่าเข้าใกล้ 1.0
  • สี่เหลี่ยมจัตุรัส: 4πs2(4s)2=π4≈0.785
  • เส้นยาวหรือรูปร่างขรุขระ/มีรอยฉีกขาด: เส้นรอบรูป P จะยาวขึ้นมากเมื่อเทียบกับพื้นที่ ทำให้ค่า Circularity ลดต่ำลงเข้าใกล้ 0.0

การประยุกต์ใช้ Circularity

สามารถใช้ minCircularity เพื่อกรองเศษฝุ่นยาวๆ หรือรอยขีดข่วนออกจากชิ้นงานทรงกลม (เช่น O-ring, รูเจาะ, หรือเม็ดยา) ได้อย่างมีประสิทธิภาพ แม้ว่าเศษสิ่งแปลกปลอมนั้นจะมี area ใกล้เคียงกับชิ้นงานจริงก็ตาม