斑点分析（Blob analysis）操作可检测二值图像中的对象，并使用几何和统计特征描述这些对象。图 392，“通过彩色框可视化的对象”显示了一个包含四个对象的二值图像。在该图中，这四个对象通过彩色框进行了可视化。
在斑点分析中，对象由一组与背景不同且直接相邻的像素定义。因此，首先需要将图像的所有像素转换为二值图像。在此，VisualApplets 允许设计各种方法，从简单的阈值处理到复杂的自适应二值化算法。接下来，生成的二值图像中的所有黑色像素被假定为背景像素，而所有白色像素被假定为前景像素，从而属于一个对象。
每个白色（前景）像素都被分配给一个对象。对象被定义为一组相邻的前景像素。因此，如果一个白色（前景）像素与另一个白色像素直接相邻，它们就属于同一个对象。由于这种数据解释，图 392，“通过彩色框可视化的对象”中显示的图像会产生四个对象。
像素是否被解释为属于特定对象取决于该像素与其相邻像素的关系。
二值图像的每个像素 I(u,v) 在其邻域内有四个直接连接的像素。这种关系称为 4 邻域（4-connected neighborhood）。如果前景像素 I(u,v) 在其 4 邻域中有一个或多个其他前景像素，则这些像素属于同一个对象。
除了直接邻域外，像素还可以与其他像素对角线相连。这种关系称为 8 邻域（8-connected neighborhood）：
可以对斑点检测算子进行参数化，以使用 4 邻域或 8 邻域。
通常，8 邻域可实现更好的 Object Detection，因为即使微弱连接的对象也会被连接起来，并且边缘会变得平滑。
示例：
下方图像显示了图像的一个局部剪裁。左侧显示了使用 4 邻域进行斑点分析的结果。右侧显示了使用 8 邻域进行斑点分析的结果。（对象分配通过颜色进行可视化。）邻域参数化（4 邻域与 8 邻域）会导致像素对对象的不同分配：对图像应用 4 邻域会产生六个对象，而应用 8 邻域则仅产生四个对象。
上一页
