Blob检测根据上面得到的处理图像，根据需求，在纯色背景下检测杂质，并且要计算出的面积，以确定是否在检测范围之内。为汽车、3C、食品、半导体、光通信等行业的客户提供服务与支持。因此图像处理软件要具有分离目标，检测目标，并且计算出其面积的功能。Blob分析（BlobAnalysis）是对图像中相同像素的连通域进行分析，该连通域称为Blob。经二值化（BinaryThresholding）处理后的图像中可认为是blob。Blob分析工具可以从背景中分离出目标，并可计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析，而是对图形的行进行操作。图像的每一行都用游程长度编码(RLE）来表示相邻的目标范围。这种算法与基于象素的算法相比，大大提高处理速度。产品的小型化趋势让这个行业能够在更小的空间内包装更多的部件，这意味着机器视觉产品变得更小，这样他们就能够在厂区所提供的有限空间内应用。机器选型编辑在机器视觉系统中，获得一张高质量的可处理的图像是至关重要。例如在工业配件上LED已经成为主导光源，它的小尺寸使成像参数的测定变得容易，他们的耐用性和稳定性非常适用于工厂设备。集成产品增多智能相机的发展预示了集成产品增多的趋势，智能相机是在一个单独的盒内集成了处理器、镜头、光源、输入/输出装置及以太网，电话和PDA推动了更快、更便宜的精简指令集计算机(RISC)的发展，这使智能相机和嵌入式处理器的出现成为可能。一个机器视觉项目之所以失败，大部分情况是由于图像质量不好，特征不明显引起的。同样，现场可编程门列阵(FPGA)技术的进步为智能相机增添了计算功能，并为PC机嵌入了处理器和桢，智能相机结合处理大多数计算任务的FPGA，DSP和微处理器则会更具有智能性。基本简介机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，终用于实际检测、测量和控制。[5]应用现状编辑在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。[1]系统优势将机器视觉技术应用于禽蛋品质检测具有人工检测所无法比拟的优势。表面缺陷与大小、形状是蛋品品质的重要特征，利用机器视觉进行检测不仅可以排除人的主观因素的干扰，而且还能够对这些指标进行定量描述,避免了因人而异的检测结果，减小了检测分级误差，提高了生产率和分级精度。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。Blob检测根据上面得到的处理图像，根据需求，在纯色背景下检测杂质，并且要计算出的面积，以确定是否在检测范围之内。机器视觉与计算机视觉的不同机器视觉不同于计算机视觉，它涉及图像处理、人工智能和模式识别机器视觉是专注于集合机械，光学，电子，软件系统，检查自然物体和材料，人工缺陷和生产制造过程的工程，它是为了检测缺陷和提高质量，操作效率，并保障产品和过程安全。它也用于控制机器。机器视觉是将计算机视觉应用于工业自动化。)