本文將介紹OpenCV中的SimpleBlobDetector來檢測斑點或圓，也解釋與霍夫轉換找圓方法的差異。
SimpleBlobDetector 是OpenCV中用於檢測影像中的斑點（blob）的模塊之一。這個檢測過程基於一些預定義的特徵，其中包括顏色、面積、圓形度等
程式結果圖
程式範例
import cv2
import numpy as np
# 讀取圖像
image_path = "./download.jpg" # 請替換為實際圖像的路徑
im = cv2.imread(image_path, cv2.IMREAD_COLOR)
# 初始化 SimpleBlobDetector
params = cv2.SimpleBlobDetector_Params()
# 選擇檢測的標準（可以根據需要自行調整）
# 設定參數
params.filterByColor = True #只檢測指定的顏色
params.blobColor = 0 # 若設定0 就是檢測所有顏色
params.minThreshold = 10 #最小，二值化閥值
params.maxThreshold = 200 #最大，二值化閥值
params.filterByArea = True #只檢測設定的面積內
params.minArea = 10 # 最小面積
params.maxArea = 1000 # 最大面積
params.filterByCircularity = True
params.minCircularity = 0.5 # 最小圓形度
# 創建 SimpleBlobDetector
detector = cv2.SimpleBlobDetector_create(params)
# 檢測關鍵點
keypoints = detector.detect(im)
# 提取 X 和 Y 座標
for point in keypoints:
x, y = point.pt #(X,Y)座標
x = round(x,2)
y = round(y,2)
Diameter = round(point.size,2) #直徑
print(f"Keypoint at ({x}, {y}), Diameter: {Diameter}")
# 在圖像上繪製關鍵點
im_with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0, 0, 255),
cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
# 顯示原始圖像和帶有關鍵點的圖像
cv2.imshow("Original Image", im)
cv2.imshow("Image with Keypoints", im_with_keypoints)
cv2.waitKey(0)
cv2.destroyAllWindows()
程式解析
檢測到的關鍵點，主要屬性解說：
KeyPoint 物件包含以下主要屬性：
pt： 關鍵點的中心座標，是一個包含 (X, Y) 的元組。
size： 關鍵點的直徑。
angle： 關鍵點的方向，以度為單位。這是指特徵的主方向。
response： 表示關鍵點的檢測強度或響應值。通常，這可以視為特徵的質量或重要性的度量。
octave： 表示檢測到關鍵點所在的圖像金字塔層級。
class_id： 關鍵點的類別 ID，用於區分不同類型的特徵點。
設定參數
blobColor（Blob的顏色）：
- 資料類型：整數
- 意義：指定要檢測的 blob 的暗亮值(0~255)，0為全黑，255全白。
filterByColor（根據顏色過濾）：
資料類型：布林值（True 或 False）
意義：是否根據 blob 的顏色進行過濾。如果設置為 True，則只檢測指定顏色的 blob，設置False，將檢測所有顏色。
filterByArea（根據面積過濾）：
資料類型：布林值
意義：是否根據 blob 的面積進行過濾。如果設置為 True，則只檢測指定面積範圍內的 blob。
minThreshold 和 maxThreshold（最小和最大閾值）：
資料類型：整數
意義：用於指定二值化閾值的範圍。blob 的檢測將在這個閾值範圍內進行。
minRepeatability（最小重複性）：
資料類型：整數
