企业官网建设流程全解析

BLOB分析在机器视觉里听起来好像是高深算法，其实它干的活特别朴素：在一张图里找出连成一团的像素区域，再按面积、圆度、位置筛一筛，把所需的圆心坐标稳定地算出来。这次分享的是一套基于BLOB分析的多圆定位例程，配合机器视觉运动控制一体机来实现，属于我手头这套应用例程的第三篇。前两篇分别讲了整体框架搭建和单目标识别，这一篇重点聊多圆场景里的实际问题：怎么把多个圆同时找出来，怎么算准圆心，怎么把像素坐标换算成运动机构能用的物理坐标。工业现场里圆形目标太常见了——瓶盖、药片、轴承、晶圆、手机摄像头模组，多到数不过来，所以这套例程的价值就在于把圆形目标的定位做实、做稳。适合两类人看：一是刚入门视觉、想知道BLOB分析到底怎么落地的人，二是已经在做视觉项目但被多目标干扰、光照波动和坐标标定反复折磨过的开发者。

1. 项目概览与需求拆解

1.1 一体机方案到底解决了什么问题

先说说为什么要把这套东西放在一体机上做，而不是传统的“工业相机加工控机加运动控制卡”组合。传统方案里，相机采集完图像要传给上位机，上位机跑完算法再把结果发给运动控制卡，中间多了一道甚至两道网络或总线通讯。对于定位精度要求高、节拍要求快的产线，哪怕多出来几毫秒延迟，都可能造成停机的连锁反应。

一体机的思路是把图像采集、算法处理、运动控制全部塞进同一个控制器里，视觉程序可以直接给伺服或步进发指令。这样定位结果从算出来到执行，中间几乎不需要跨设备传输，延迟压到了最低。尤其在多圆定位这种场景里，视觉算法算完一堆圆心之后往往要立刻换算成X/Y偏移量和旋转角度，紧接着就要驱动机构去补偿，闭环越短越稳。

这套例程里用的就是一体机自带的视觉软件和运动控制接口，视觉部分负责算目标，运动部分负责跟动作。坦白讲，如果你手头只有普通相机加PC，这套思路一样能迁移，只是要把结果通过串口或以太网发给控制器。明白了这个背景，再往下看算法和调试细节就心里有数了。

1.2 多圆定位到底在定位什么

多圆定位并不只是“找到好几个圆”这么简单，实际项目里大致分成三种形态。

第一种是单圆定位的阵列化。比如药板上的药片，或者手机盖板上一排定位圆孔，目标就是把所有圆的圆心都输出，位置用来做阵列组装或缺陷筛查。第二种是几何关系定位，最常见的就是找两个圆，然后用这两个圆心的连线算出目标当前的旋转角，配合一个圆心坐标做一个完整的2D姿态输出。第三种是内圆外圆嵌套的目标，比如轴承内外圈、晶圆上的同心圆标记，这时候需要同时识别内外圆的圆心和半径。

我这次例程覆盖的是前两种的合并场景：视野里同时有多个圆，其中既有关键的中心圆，也有辅助定位圆。通过BLOB分析把所有圆形目标提取出来，再按面积、圆度、相互位置关系区分谁是谁，最后输出一组圆心的像素坐标和角度信息。这个场景在手机模组装配、PCB对准、精密零件摆盘里都属于标准需求，做透一个例子，其他项目照葫芦画瓢就行。

1.3 为什么首选BLOB分析而不是模板匹配

我在前一篇例程里讲过模板匹配的玩法，它确实能找圆，但多圆场景下我基本不会用。原因有几个。模板匹配对光照变化比较敏感，同一个圆在亮一点暗一点的环境下得分会波动，阈值不好定。更麻烦的是，如果视野里出现多个形状相似的圆，模板匹配经常会给出多个相近的匹配结果，加上模板匹配本身有分辨率限制，想亚像素求圆心还得再补边缘拟合的步骤，算力开销也不小。

Hough圆检测也是个常见选项，但它在多圆场景下调试更头疼，累加器参数、圆心间距约束、半径范围都要一顿调，而且速度比BLOB分析慢一个量级。最关键的是，Hough求粗圆心可以，求精细圆心往往还需要二次精定位。

BLOB分析的思路完全不一样。它是先把图像二值化，把所有连成一片的像素区域全提取出来，然后用几何属性去筛选。圆形目标在二值化之后就是一个天然的连通域，面积、圆度、重心这些几何特征本身就是“像不像圆”的直接度量。这和人工肉眼找圆的逻辑高度一致，每个参数都有物理含义，出了问题也知道从哪下手。多圆场景下，BLOB分析可以一次性把所有候选区域全部拿到，再按条件逐层筛，整个过程流水线化，速度、稳定性、可解释性都占优。

2. 核心原理拆解：BLOB分析的关键细节

2.1 BLOB分析的基本链路

BLOB分析的标准链路是：图像预处理、阈值分割、连通域标记、几何特征计算、特征筛选、结果输出。六个环节里每一步都会直接影响后续质量，我一个个说。

预处理主要做两件事：降噪和增强边界。工业相机拍出来的图多少有点传感器噪声，直接做阈值分割容易在目标边缘产生毛刺，所以一般先做一个高斯平滑或中值滤波。高斯平滑适合整体降噪，中值滤波对椒盐噪声更有效，我自己习惯先用3x3中值滤波把离散噪点擦掉，再用5x5高斯平滑磨一下边缘。

阈值分割是整个BLOB分析的灵魂。阈值选得好，后面全是省心；阈值选得烂，后面怎么调特征筛选都费劲。固定的二值化阈值只适合光照极其稳定的场景，稍微有点环境光波动，目标边缘就会缺一块多一块。所以我一般建议用动态阈值或者大津法，让阈值跟随灰度直方图自适应调整。大津法原理不复杂，就是自动找一个灰度值，让目标和背景两类的类间方差最大，实际效果在大多数工业场景里都很能打。

连通域标记是BLOB分析的核心算法，常见的做法是两遍扫描。第一遍扫描给每个像素打临时标签，同时记录标签之间的连通关系；第二遍扫描把等价标签合并，最终每个连通区域获得唯一编号。这一步做完以后，图像里每一团独立的像素区域就都变成了一个独立对象，后续所有几何计算都是针对这些对象逐个进行的。

2.2 几个关键的几何特征和它们的物理含义

BLOB分析背后是一堆几何公式，不需要全背下来，但有几个特征必须理解透彻。

面积最简单，就是区域内像素点的总数。一个圆如果直径是100像素，面积大约7850像素，如果你设的面积范围是500到8000，那这个目标刚好卡在边缘，很容易误伤。所以设面积范围的时候要留足余量，而且我习惯用等效直径来思考，等效直径等于两倍根号下面积除以圆周率，算出来目标大概多少个像素大，再反推面积范围。

圆度是判别圆形目标最重要的指标，计算公式是圆度等于4π乘面积除以周长的平方。正圆的圆度是1，形状越复杂、边缘越不圆润，圆度值越小。一个正方形圆度大约是0.785，一条细长条可能只有0.1。实际项目里筛圆形目标，圆度下限设在0.7到0.9之间比较合理，具体看你的圆形目标边缘质量。记住一点：圆度对边缘毛刺非常敏感，边缘一旦锯齿化，周长变大，圆度就降。所以预处理阶段把边缘处理干净，比后面调圆度阈值更有效。

重心也叫质心，是用图像矩算出来的，一阶矩除以零阶矩就是重心坐标。二值化后的连通域重心对圆的中心位置是一个不错的估计，但如果圆内部有孔洞或者边缘残缺，重心就会偏移。所以高精度定位不能只靠重心，我用重心只做粗定位和排序。

除了这些，有时还会用到外接矩形、最小外接圆、长轴短轴比等特征作为辅助筛选。比如你要找的目标是标准圆，但视野里有一个矩形螺丝和一个小圆，矩形螺丝的宽高比很大，用长宽比就能直接把螺丝排掉，省得后面圆度筛选折腾。

2.3 求圆心坐标：质心法还是圆拟合法

拿到BLOB区域之后，圆心怎么求？这里有三条路可以走，精度和速度各不相同。

第一条是直接取重心。速度快到可以忽略不计，而且对标准圆形目标精度完全够用。很多项目要求定位精度在0.1毫米以上，配合合适的相机分辨率，质心的亚像素级别的稳定性完全扛得住。但如果目标边缘缺损明显，重心就会偏。

第二条是最小二乘圆拟合。做法是先提取BLOB边缘的轮廓点，然后把这些点带入圆的方程，用最小二乘法求解出最优的圆心和半径。这条路对边缘缺损不敏感，只要边缘点数量足够多且分布均匀，拟合出来的圆心位置会比质心稳得多。精度可以做到亚像素级别，是当前工业界主流的精定位方案。

第三条是计算最小外接圆或最大内接圆的圆心。前者偏向轮廓的外侧，后者偏向内部，在同心圆检测里有用，但通用性不如前两者。

我的实践建议是：如果是粗定位或者目标本身质量很好，直接用质心就够；如果对重复精度要求高，或者目标边缘可能有缺陷，那必须上最小二乘圆拟合。在一体机里，两步走的方案也常见：先用质心粗筛出目标，再在目标ROI内提取边缘点做圆拟合，既保证速度又拿精度。

3. 实操过程：从图像采到坐标输出

3.1 成像环境与光源选择

多圆定位的第一个坑往往不在算法，而在成像。BLOB分析对二值化的结果很敏感，二值化质量取决于目标与背景的灰度差，而灰度差靠光源和曝光来保证。

圆形目标分两类成像情况。第一类目标是表面本身有灰度差异的，比如深色橡胶圈放在浅色传送带上，这时候用环形光源或者条形光源正面打光就行，目标与背景天然有对比。第二类是要测轮廓的，比如金属垫圈、透光玻璃片上的圆形标记，这类最好用背光源。背光一打，目标变成黑色剪影，背景变成白色亮场，二值化之后的边缘极其锐利，BLOB提取的周长和圆度都更准确。我在例程里用的是背光方案，实测圆度在0.94左右，比正面光整整高出一截。

曝光时间也有讲究。原则是目标边缘的灰度过渡越陡越好，最好控制在1到2个像素以内。如果曝光太长，亮背景会溢出并往暗区域渗，边缘一圈都会被吃掉；曝光太短，灰度差不足，内部会出现孔洞。我调试时会盯住直方图，让目标灰度峰值和背景灰度峰值分得足够开。

3.2 参数设置一步步推导

我把这套例程里的一版典型参数拿出来做一个完整推演，方便你理解每个数字是怎么来的。

用的是500万像素黑白相机，视野大约40毫米乘30毫米，目标是一个直径5毫米左右的圆形工件，视野里同一时刻会出现三到五个这样的圆，还混着两个矩形螺丝。

第一步，图像预处理。中值滤波核选3x3，目的是去掉离散噪点；接着高斯平滑核选5x5，进一步稳定边缘。

第二步，阈值分割。直接用大津法做全局自适应阈值，没有手工填固定值。为什么敢用全局大津？因为背光环境光强稳定，目标灰度和背景灰度分布都很集中，全局阈值完全够用。如果用正面光且有渐变阴影，就得考虑局部阈值，但运算量更大，所以优先从光源上解决问题。

第三步，BLOB分析参数。等效直径目标大约5毫米，按视野和分辨率换算，大约200像素直径，折算面积大约31400像素平方。我给面积范围设置为12000到50000，把直径大约80到250像素的区域都圈进来。为什么要放宽？因为生产来料尺寸有公差，视野一致性也有波动，收得太紧会把边缘有遮挡的目标误杀。圆度下限设为0.85，因为背光下标准工件的实测圆度在0.91到0.95之间，矩形螺丝圆度只有0.7出头，0.85一刀切下去，螺丝全部滤除，圆工件稳定保留。

这里有个容易忽略的细节：如果工件边缘有小缺口，圆度会明显下降。这时候可以先做一次闭运算，把边缘小缺口补上，圆度就回上来了。不过闭运算也会略微改变区域周长，参数上要观察不能把两个圆磨成一个圆。

第四步，输出重心和拟合圆心。每个BLOB区域同时计算质心和最小二乘拟合圆心，我最终默认输出拟合圆心，质心只用于目标排序和关联。

3.3 坐标标定：从像素跳到物理坐标

BLOB分析算出来的坐标是像素坐标，运动机构不认像素，它认毫米或者脉冲数。中间的桥梁就是标定。

最常用的方法是放射变换标定。简单理解就是找像素坐标系和运动坐标系之间的数学映射关系，至少需要三个点解出六个参数，实际工程为了稳定会用到九个点。操作方式不复杂：让运动机构带着一个标准圆靶或者工件分别走到九个已知位置，每到一个位置就采一次图，记录下当时图像里目标圆心的像素坐标，以及运动机构实际的物理坐标，然后用这些对应点解出变换矩阵。只要机构重复精度没问题，这套标定做下来，视觉输出的坐标精度可以跟机构自身精度对齐。

标定时还要注意旋转和镜像的问题。如果相机安装方向和运动轴方向存在一个夹角，变换矩阵会自动吸收掉这个夹角，但很容易忽略的是图像坐标系的Y轴方向和运动坐标系的Y轴方向是否一致。工业相机的像素坐标系原点一般在左上角，Y轴向下，而运动坐标系Y轴通常向上，如果不处理，补偿方向是反的，机构越走越偏。所以标定完之后一定要做一个方向验证：视觉输出正X偏移，机构朝正X方向走，看到实际位移和预期一致才叫标定完成。

3.4 坐标输出与运动补偿联动

标定完成后，视觉坐标就可以直接送给运动逻辑了。多圆定位联动运动的典型逻辑是：视觉算出当前工件的圆心坐标和基准位置的偏差，把偏差值发给伺服做位置补偿，然后机构执行对位动作。

以两圆定位为例。基准位置有两个圆，标准情况下它们的圆心分别在某物理坐标值上。当前来料位置有偏移，BLOB分析算出当前两个圆心坐标后，先计算第一个圆心的X/Y偏差，再计算两个圆心连线的角度相对基准角度的偏差。X/Y偏差直接补偿到运动轴，角度偏差补偿到旋转轴。三个量同步发出，机构就能把任意摆放的工件纠正到固定姿态上，这个过程通常叫“取放对位”。

一体机在这里的优势体现得很明显，视觉结果算完不用走网络，直接内部变量赋值到运动缓冲，下一拍就能执行补偿。整套流程从采图到运动启动，我在例程里测出大约25毫秒以内，完全满足产线节拍。

4. 常见问题与排查技巧实录

4.1 BLOB断裂和孔洞

现象很典型：一个完整的圆在二值化之后变成了月牙形，甚至碎成好几块，BLOB分析把它们当成几个独立目标，面积筛选直接失败。

原因大多是目标表面反光。金属圆片在打光时产生镜面反射，局部灰度特别高或特别低，阈值分割时把那一块整个切掉了。处理顺序我建议先动成像，再动算法。把光源角度调低，或者换成偏振片消除镜面反射，问题通常直接消失。如果现场不允许动光源，就用形态学闭运算把断裂的区域缝合，核大小从3x3开始试，够用就行，用太大核会把相邻目标合并，得不偿失。BLOB分析里的“填充孔洞”选项也要打开，它会把区域内部的小空洞补上，对提高圆度数值帮助很大。

4.2 多个圆靠太近导致粘连

两个圆间距很近，或者工件表面有脏污把两个圆连在了一起，二值化后变一个BLOB，面积筛选也救不回来。

我的排查步骤是先看二值化图像确认粘连原因。如果是脏污搭桥，调阈值往往能断开；如果两个圆物理上就挨得近，阈值会把中间缝隙也变成白色，这时候可以试试面积筛选先把超大BLOB排除，再做一次基于距离的分割。更实用的办法是做分水岭分割，或者直接改用“基于区域重心聚类”的思路：先不追求把粘连区域分开，而是把它当成一个粗区域，在粗区域内部用边缘检测找圆弧，分段拟合出多个圆心。我的实际经验是，如果产品设计允许，最好在成像时把两个圆的间距尽量拉开，视觉层面怎么补都不如物理层面解决来得稳。

4.3 圆心位置抖动

现象是目标不动，算法输出的圆心总有正负一两个像素的波动。这种情况最常见的原因是曝光或光源不稳导致二值化边缘来回变化，圆拟合的边界点也随之抖动。

对策从两头入手。硬件上把光源电源换成恒流驱动，亮度波动会明显减少；软件上可以做多次采集平均，比如连续采三帧对圆心结果取平均，但这样会牺牲节拍，好在大部分场景帧率足够，三帧平均的耗时可以接受。另一个容易被忽视的点是边缘提取方式，如果用亚像素边缘检测代替整像素边缘点，圆拟合的稳定性会提高不少。整套例程实测下来，把光源稳定性和亚像素边缘做好之后，圆心重复性从正负1.2像素改善到正负0.15像素，效果非常明显。

4.4 标定之后仍然有位置偏差

标定矩阵算对了，但实际补偿时总是有一定角度的残余偏差。这种情况十有八九是标定用的特征点和实际抓取的目标不在同一个Z高度。视觉是二维投影，目标高度变化会导致视差，圆心的图像位置会随着高度偏移。你在标定时如果用的是一片薄靶，实际干活时工件高了5毫米，这个高度差就会转化为测量误差。

解决方式是让标定时的Z轴高度跟实际作业高度尽量一致。如果平时来料高度波动大，就需要做高度方向的补偿模型，或者增加第三个维度做三维视觉。对于多数平面定位场景，把标定高度固定住，基本就够用了。

4.5 现场问题速查表

这个表是我日常调试用的排查索引，照着这个方向走，大多数BLOB多圆定位问题都能在半小时内定位到根因。不用死记，调得多了自然形成直觉。

做这套例程最大的体会是：BLOB分析这些算法本身并不玄妙，真正拉开差距的，是对成像原理的理解和对参数的敬畏。每个数字背后都对应着一个物理过程，哪怕只是把阈值从固定值改成自适应，现场稳定性就能上一个台阶。如果你手头正好有类似的圆形定位需求，建议按这个例程完整的流程走一遍，在调试到二值化那一步时多花点时间看看图像效果，你已经成功了一半。