blob

目標跟蹤是計算機視覺中的一項重要研究任務，應用場景廣泛。它要解決的是：對運動目標在圖像平面上的軌跡進行估計的問題。跟蹤器需要在視頻序列的不同幀中，將一個唯一的標籤分配給特定的跟蹤目標。此外，根據跟蹤結果還可以提供與運動目標相關的信息，如目標的一些形狀外貌、運動狀態以及統計信息等。

計算機視覺中的Blob是指圖像中的一塊連通區域，Blob分析就是對前景/背景分離后的二值圖像，進行連通域提取和標記。標記完成的每一個Blob都代表一個前景目標，然後就可以計算Blob的一些相關特徵，如：面積、質心、外接矩形等幾何特徵，還可以計算Blob的顏色、紋理特徵，這些特徵都可以作為跟蹤的依據。

基於Blob的跟蹤屬於基於區域的跟蹤，該演演算法在多篇文獻中被研究過。有學者將Blob用於車輛的跟蹤，首先用特徵檢測來提取目標Blob並計算Blob的幾何特徵，在進行Blob跟蹤的時候，將Blob面積重疊率在50%以上作為匹配標準。有學者將Blob用於移動機器人的視覺跟蹤系統中，在該系統中，首先用滑鼠標記目標，然後對目標進行顏色學習，形成目標表面顏色的RGB向量集。在目標跟蹤的過程中遍歷圖像，通過將所有像素點與目標RGB向量集作對比來尋找目標色塊，再提取色塊的特徵用於後續跟蹤。有學者提出基於Blob的Mean-shift跟蹤，考慮到目標在移動過程中，可能會發生形變，所以在Blob周圍不斷調整搜索窗口大小，然後在窗口區域和目標之間作特徵匹配以此來跟蹤目標。有學者提出的多目標跟蹤演演算法中，採用Blob標記法來對前景目標進行聚集和生長。有學者在車輛跟蹤系統中，先檢測車輛Blob，然後進行學習，形成屬於車輛的特徵類。有學者在提取目標過程中將Blob匹配與混合高斯演演算法相結合，然後與混合高斯演演算法結果對比，實驗結果表明該文獻演演算法提取出的目標更加完整。

Blob演演算法的核心思想，就是在一塊區域內，將出現”灰度突變”的範圍找出來。確定其大小、形狀及面積等。演演算法從邊緣尋找中的”卷積演演算法”，例如”卷積演演算法”的矩陣設定為2*4掃描從左向右從上至下進行的。矩陣每移動一步，演演算法計算矩陣中前半部(列1及列2)的灰度值總和，與矩陣中後半部(列3及列4)的灰度值總和的差。假如矩陣中這塊圖像的顏色為相同，也就是說矩陣中的8個像素的灰度極接近的話，那麼，這個矩陣前部與後部灰度值總和差應該是趨近0的。程序一步步運行，矩陣前部與後部的灰度值總和差一直接近0。如果矩陣掃描到了一塊前景的邊緣，這時矩陣前部與後部灰度值總和差突變了，灰度值不再接近，則是到了一個Blob。當演演算法掃描完整的時候，系統就記錄了全部發生這種突變情況的點的坐標。之後再對這些邊緣點進行一系列的分析，便可以得到這個Blob的大小、形狀及面積等信息。

Blob分析的重要一個步驟是連通區域的確定。按照處理方式的不同Blob分析基本上分成兩種：基於像素掃描的處理方法和基於遊程編碼(RLE)的處理方法。前者代表性的方法有遞歸法與兩次掃描法；基於遊程編碼的方法是對於二值圖像有一種編碼方法RLE，其基本思想是對連在一起的黑色或者白色像素數(遊程)用不同的碼字來編碼。其方法：計算連續出現的數據長度來進行壓縮。例如：對於數據AAAAABBBBAA而言，RLE的結果是5A4B2A。這樣對圖像逐行進行RLE，並將相連的像素塊合併；最終提取出多個連通區域，得到每個連通區域的鏈碼錶和線性表。獲得鏈碼錶就可以計算出區域邊界輪廓長度和周長；線性表則可以計算面積和重心等參數。

缺點

目前的Blob演演算法有幾個缺點：

1、速度過慢，要整個區域作逐點掃描。

2、Blob分析難度大。這是一純幾何學上的問題，一個不規則的形狀，如何計算它的面積、大小沒有簡單易行的演演算法，太過複雜，運算時間就長，速度就更慢了。另外，實際應用中，沒有單純的表面檢測，在一個場景中通常要檢測幾個區域塊，表面檢測只是其中一項。這就使Blob分析演演算法的局限性更為明顯。比如，我們做一個印刷品的檢測：一是檢測印刷品上印上去的字是否清楚；二是檢測印刷品表面有沒有划痕。於是，Blob演演算法就要能區別出哪個是文字，哪個是划痕。

3、實際應用。Blob演演算法在實際應用中，非常依賴光源。幾乎可以說，Blob演演算法如果離開了一個可靠的光源設計，則完全不起作用。場景中有各種不同的顏色，這些顏色上的差異，在黑白相機下來看，就是灰度值的變化，因為顏色的表現跟光源有很大的關係，所以一個穩定的光源是必須的。

優點

Blob在目標跟蹤的優勢有：

（1）通過Blob提取，可以獲得相關區域的信息，這些信息可以作為邊緣監測器或者角點檢測器的補充信息。在目標識別中，Blob可以提供局部的統計信息和外貌信息，這些信息能夠為目標識別和跟蹤提供依據；

（2）可以利用Blob對直方圖進行峰值檢測；

（3）Blob還可以作為紋理分析和紋理識別的基元；

（4）通過Blob分析，可以得到目標的個數及其所在區域，在進行目標匹配時，不需要對全局圖像進行搜索。