康耐视 VisionPro 机器视觉入门总结：Blob斑点工具 / Fixture定位 / 卡尺 / 几何工具 / 简单脚本

昂好的day

704人浏览 · 2026-09-11 11:28:12

昂好的day · 2026-09-11 11:28:12 发布

康耐视 VisionPro 机器视觉入门总结：Blob斑点工具 / Fixture定位 / 卡尺 / 几何工具 / 简单脚本

本文是对机器视觉课程中 Cognex VisionPro（QuickBuild 环境）相关知识的完整总结，涵盖 Blob 斑点分析工具、Fixture 定位工具、Caliper 卡尺工具、几何学工具（找圆等）以及 CogToolBlock 简单脚本，文末附课堂配套作业案例。内容基于课堂讲义与 VisionPro 官方文档整理，力求把每个参数"为什么这么设"讲清楚。

一、课程整体框架

机器视觉项目里，一个典型的 VisionPro 视觉流程大致是：

采集图像 → 定位（Fixture + PMA 模板匹配）→ 测量/检测（Blob / Caliper / 找圆等）→ 脚本逻辑（简单脚本）→ 输出结果

本课程围绕五块内容展开：

模块	工具	作用
斑点分析	CogBlobTool	按灰度分割图像，查找并分析二维形状（面积、质心、周长等）
定位	CogFixtureTool	建立跟随工件旋转平移的定位坐标系
卡尺	CogCaliperTool	在区域内找边缘/边缘对，测量位置与距离
几何工具	CogFindCircleTool 等	用卡尺结果拟合/查找圆、线、角等几何形状
简单脚本	CogToolBlockSimpleScript / AdvancedScript	C# 业务逻辑扩展、流程控制

二、VisionPro 图像空间（坐标系）—— 理解 Fixture 的前提

在 VisionPro 中，图像可以有多个"坐标空间"，理解这几个符号非常关键：

符号	名称	说明
`·`（点）	当前空间	图像当前选中的名字空间，即 `CogImage.SelectedSpaceName` 所指的空间
`#`	像素空间	坐标原点为图片左上角，坐标值仅为整数
`@`	根空间	默认坐标空间都基于根空间，原点为图片左上角，坐标值为浮点型
`*`	控件像素空间	主要用于显示控件（CogDisplay）上
自定义名	Fixture 空间	用户通过 Fixture 工具自定义建立的定位坐标系

例如在 Caliper 工具的"所选空间名称"下拉框里，就能看到 · 使用输入图像空间、# 使用像素空间、@ 使用根空间 以及自定义的 @Fixture 等选项。

三、Blob 斑点分析工具（CogBlobTool）

3.1 概述

Blob 分析（斑点分析） 用于探测并分析图像中的二维形状。它先根据用户设定好的灰阶（灰度）范围对图像进行分割，然后对目标进行查找和分析，报告斑点的多种属性：

面积（Area）
质心（Center of Mass）
周长（Perimeter）
主轴（Principal Axes）
第二惯性矩、几何范围、拓扑关系等

3.2 适用场景与典型应用

Blob 分析非常适合以下场合：

对象在尺寸、形状和/或方向上差异很大（训练模板很难或不可能）；
对象具有背景中找不到的截然不同的灰度；
对象没有重叠或者接触。

典型应用案例：

检查环氧树脂点分配的数量、尺寸和形状；
检查表示坏薄片模型的墨水点的正确位置和大小；
检查药片的破碎和大小；
根据对象的尺寸、形状或位置整理或分类对象。

一句话：2D 对象、高对比度、无叠加、尺寸形状不确定时，优先考虑 Blob。

3.3 运行一个 Blob 作业

在 QuickBuild 中添加 Blob 工具并运行，就能在"结果"标签页看到检测出的每个斑点/孔的面积、质心坐标、连通性等信息（下图左侧表格为斑点与孔的结果列表，右侧为 LastRun.BlobImage 分割结果可视化）：

3.4 界面与关键参数

（1）极性（Polarity）

极性	含义
白底黑点	在光亮背景上的黑色斑点
黑底白点	在黑色背景上的光亮斑点

注意：无论选择哪种极性，后续的形态学处理始终针对"白色区域"。也就是说，白底黑点时，形态学操作的对象是背景（白），这一点务必记住，否则容易把效果搞反。

（2）分段模式（分割算法）—— 本课最核心的知识点

Blob 使用时通常分为分割和分析两步，分割就是第一步，把 Blob 区域找出来。分割模式下拉框里可选：无 / 无映射 / 硬阈值（固定）/ 硬阈值（相对）/ 硬阈值（动态）/ 软阈值（固定）/ 软阈值（相对）/ 减影图像等：

各分割算法对比总结：

分割算法	原理	优点	缺点/适用
固定硬阈值	设一个绝对灰度值（0~255），按阈值一刀切	速度快，适用于光照稳定、双峰分布的图像	光照线性变化时会分割失败，无法适应光线
相对硬阈值	按像素占比分割（如 40%），不依赖绝对灰度值	抗光照变化能力强，亮度变化也能正确分割	比固定阈值慢（需计算百分比对应灰度）
动态硬阈值	根据输入图像直方图自动计算合适阈值，最小化阈值两侧像素的加权方差	无需手动配置，双峰分布图像效果好	非双峰分布图像可能分割不好
固定软阈值	除目标/背景外，中间有一个过渡区，按权重计算归属	适合边缘模糊的场景，减少误判	参数多，比硬阈值慢
像素映射	用查找表（LUT）精确指定每个灰度值对应的像素权重	可处理阈值无法分割的图像（如含孔洞、背景与目标灰度有重叠）	灵活性高但配置复杂
阈值（减影）图像	与"无对象"的参考图像逐像素做差分割	可处理背景像素与对象像素灰度相同的场景	需要一张一致的参考图像

硬阈值 vs 软阈值（课堂总结）：

硬阈值就是"一刀切"，根据阈值把图像分成两部分：背景和斑点；
软阈值分成三部分：除了目标和背景，中间还有一个过渡区，对过渡区按权重值计算，算出它属于目标还是背景。

固定阈值的光照问题（重点理解）：

下图三幅图从左到右由暗到亮。以固定阈值 100 分割：

暗图像：目标 10、背景 90，都低于 100 → 分割不到；
中间图像：目标 120、背景 160 → 能准确分割；
亮图像：目标 200、背景 120 都高于 100 → 又分割不到。

也就是说，无论硬阈值还是软阈值，在光照亮度线性变化时都会出现无法分割的情况。

相对阈值为什么能解决？

相对阈值不是按绝对灰度值分割，而是按对应像素灰度值的占比分割。例如设定 40%：不管图像变亮还是变暗，目标像素个数占总像素个数的比例是固定的，以 40% 来分割就能始终正确分割。

亮度变化时，直方图曲线整体平移：变暗曲线左移，40% 对应的阈值变小；变亮曲线右移，40% 对应的阈值变大——阈值跟着亮度自适应。

动态硬阈值：

动态硬阈值根据输入图像的直方图自动计算合适的阈值，阈值通过最小化阈值两边像素的加权方差得到。图像直方图呈双峰分布时分割效果很好；如果不是双峰分布，可能得不到好的分割结果。

软阈值：

在目标和背景之间存在一个过渡区域，过渡区域可以用"柔和度"设置权重，也就是中间部分属于目标还是背景，根据每个阶段的权重计算得到结果。

3.5 连通性（Connectivity）

一个 Blob 由一组连通的像素组成。 VisionPro 中：

对象（目标）使用 8 邻域：上下左右 + 4 个斜对角，边贴边、角对角相接的都算连通；
背景使用 4 邻域：只算上下左右，不算对角；
标记连通性（Label）分析时使用 6 路连接。

理解 8 邻域 vs 4 邻域的意义：中间一个目标，以 8 邻域看是一个 Blob；以 4 邻域看可能是 8 个 Blob（因为对角像素不算连通）。连通性设置直接影响斑点数量和状态。

3.6 形态学操作（Morphology）

形态学操作可以突出或消除图像中特定类型的特征。Blob 工具支持在分割后叠加最多 8 个形态学操作（顺序执行）。常用操作：

操作	效果	用途
侵蚀（腐蚀）	白色区域变小	消除细微的毛刺、噪声点
扩大（膨胀）	白色区域变大	让特征更明显，填补小缺口
打开（开运算）	先腐蚀后膨胀	去毛刺，且保持面积基本不变
关闭（闭运算）	先膨胀后腐蚀	填充孔洞，保持轮廓

重要提醒：形态学操作处理的是白色像素区域——无论黑底白点还是白底黑点，操作的对象都是白色区域。

3.7 测得尺寸与筛选（过滤/排序）

Blob 运行后会输出所有斑点的测得尺寸（面积、质心 X/Y、连通性标签等）。实际项目中往往只关心某一部分目标，可以通过筛选实现：

例如只保留面积 1000~5000 范围内的斑点：属性选择"面积"，尺寸过滤选"包含"，低阈值 1000、高阈值 5000；
排除 0 或者包含 1：控制是否把孔也算进来；
还可以启用排序（如按面积升/降序）。

注意：选择的测得属性越多，工具运行的时间就越长。生产环境中只勾选真正需要的属性，可以明显提升速度。

测得尺寸相关参数里还有一个重要的拓扑选项：用于辨别斑点、孔以及孔中的斑点（父子层级关系）。

3.8 Blob 属性体系（官方文档补充）

Blob 工具返回的度量值分为三类：

几何属性（斑点自身固有，移动/旋转不改变）：

面积：各非零像素加权像素值之和；
周长：外边缘长度（带校正因子）；
质心：斑点的平衡点（可能不在斑点内部）；
主轴：第二惯性矩最小的轴为长轴，最大为短轴，长短轴合称主轴；
绕主轴的第二惯性矩、几何范围（质心到主轴对齐包围矩形四边的距离）。

非几何属性（相对外部坐标系才有意义，随旋转/位置变化）：

斑点中位数、绕坐标轴的第二惯性矩、坐标范围、边界框。

拓扑属性：

标签：该特征是斑点还是孔（灰度连通时 0 表示孔、1 表示斑点）；
层级位置：哪个特征包围哪个特征（父子/兄弟关系），可用树结构描述。

派生计算属性：非循环性（圆形为 1）、伸长率、纵横比等。

3.9 Blob 脚本示例（C#）

在 CogToolBlockSimpleScript 中写脚本，可以读取 Blob 结果做业务统计：

// CogToolBlockSimpleScript - ModifyOutputs 事件
using Cognex.VisionPro;
using Cognex.VisionPro.Blob;

public void ModifyOutputs(CogToolBlockSimpleScript host)
{
    // 取出工具块中的 Blob 工具
    CogBlobTool blobTool = (CogBlobTool)host.Tools["CogBlobTool1"];

    // 获取当前筛选条件下的所有斑点
    CogBlobResultCollection blobs = blobTool.Results.GetBlobs();

    // 统计面积在 1000~5000 之间的斑点个数
    int validCount = 0;
    foreach (CogBlobResult blob in blobs)
    {
        if (blob.Area >= 1000 && blob.Area <= 5000)
        {
            validCount++;
        }
    }

    // 输出到工具块的输出端，供后续脚本/界面使用
    host.Outputs["ValidCount"].Value = validCount;
}

四、Fixture 定位工具（CogFixtureTool）

4.1 需求场景

想象一个需求：测量工件的尺寸，用 Caliper（卡尺）工具测量宽度。但如果工件在相机视野里有旋转、平移（位置不固定），直接测量就会失败——这时候需要借助 Fixture 工具。

4.2 什么是 Fixture

CogFixtureTool 是一种建立定位坐标系的工具（最常用）。使用前，需要提前通过其他工具（如 PMA 模板匹配 CogPMAlignTool）获得一个 2D 转换关系（即目标点位的 X、Y 和角度信息 GetPose()）。它的主要任务：

往坐标空间树中添加一个定位坐标系（需设定名称）；
建立一个定位后的输出图像供其他工具调用——输出图像像素与输入完全相同，但坐标空间可以选为定位空间或非定位空间。

通俗理解：相当于给图像重新定义了一个坐标系，后续执行的找边、找圆等操作会跟随目标点位的旋转平移而变化。这个随工件旋转而旋转的坐标系就叫 Fixture 坐标系。

4.3 结合 PMA 工具建立连接

在 QuickBuild 中把 PMA（CogPMAlignTool）的运行结果传输给 Fixture：

蓝色为每个工具的输出参数，紫色为工具的输入参数；
选择 CogPMAlignTool1 的查找结果 GetPose() 参数（该参数包含了目标点位的 X、Y 和角度信息）；
与 PMA 中的结果一一对应。

4.4 参数说明

CogFixtureTool 中的参数一般都用默认值，仅需修改名称即可。在"图形"选项卡可以勾选显示坐标系，便于调试时直观看到定位结果。

4.5 Fixture 脚本示例

// CogToolBlockSimpleScript - 读取 Fixture 坐标系下的卡尺测量结果
using Cognex.VisionPro;
using Cognex.VisionPro.Caliper;
using Cognex.VisionPro.Fixture;

public void ModifyOutputs(CogToolBlockSimpleScript host)
{
    CogCaliperTool caliper = (CogCaliperTool)host.Tools["CogCaliperTool1"];

    // 卡尺可能返回多个结果，取第一个
    CogCaliperResult result = caliper.Results[0];
    if (result != null && result.GetEdgePairs().Count > 0)
    {
        // 取第一个边线对，Distance 就是边线对之间的距离（即宽度）
        double width = result.GetEdgePairs()[0].Distance;
        host.Outputs["Width"].Value = width;
    }
}

五、Caliper 卡尺工具（CogCaliperTool）

5.1 作用

游标卡尺工具用于辨别对象中的边缘或者边缘对，并报告：

边线对中每条边线的位置；
边线对之间的距离（如工件宽度）。

5.2 定义目标区域

卡尺区域指图像中探测到边线的区域，在图形上由输入图像中的蓝色方框表示。区域设置标准：

包含目标边线；
边线必须与投影方向平行（可能必须旋转区域）；
在可能时，不包括目标边线以外的特征（可能必须倾斜）。

5.3 原理：投影与找边（重点）

投影：将二维图像减少到一维图像——沿规定方向用平行光线累加像素灰度值。好处是减少处理时间和存储，同时维持（部分情况下增强）边线信息。

找边原理：卡尺工具用一个筛选算子（滤波算子） 盘旋一维投影图像来执行筛选。

以 -1 0 +1 算子为例（滤波尺寸为 3）：

投影图像:  0 0 0 5 10 15 15 15 10 5 0 0 0
筛选算子: -1 0 +1

第一个位置:  -1*0 + 0*0 + 1*0  = 0
第二个位置:  -1*0 + 0*0 + 1*5  = 5
第三个位置:  -1*0 + 0*5 + 1*10 = 10
第四个位置:  -1*5 + 0*10 + 1*15 = 10
...

筛选输出:   0 5 10 10 5 0 0 -5 -10 -10 -5 0

筛选输出图形上会出现边线峰值，峰值的位置就是边缘位置：

5.4 主要参数

参数	说明
极性	边线的方向（暗到亮 / 亮到暗 / 任意）
对比度阈值	只有对比度超过该值的边线才被接受
过滤一半像素	过滤掉一半像素以消除噪声
最大结果数	限制返回的边线数量（也可以查找多个边缘）
边缘对	把两条边线配对，报告距离
计分	按计分分数曲线得到计分结果

计分（重点）：默认单个边线只根据跨边线的对比度计分，边线对根据所测距离与预期距离的匹配程度计分。计分公式为：分数 = 对比度 / X0。

例如某边线对比度 73.4551，X0=255 时：73.4551 / 255 ≈ 0.28 分；
修改 X0 参数为 75，得分就接近 1 分——通过调整 X0 可以让目标边线稳定拿高分。

筛选尺寸：筛选尺寸接近边线尺寸时产生较强的边线峰值；筛选尺寸太大或太小都会减少峰值。

5.5 结果与文字标注

结果按照得分从高到低的顺序显示在结果表格中；位置是沿相对于输入区域中心的搜索方向的一维测量值。

CogCreateGraphicLabelTool（标注工具）：用于标识或注释图像中的关键信息/区域，可以在图像上添加文本（坐标、测量值等）。其输入选择器支持：

InputGraphicLabelText 文本
InputBoolean 布尔值
InputDouble Double 类型
InputToolResultConstant 工具结果常量

Formatted（格式化）：可以按字符串格式输出，例如 {D:F2} 表示十进制、小数点后保留两位小数。

六、几何学工具（Geometry Tools）

6.1 四大类工具

类别	工具/作用
创建工具	根据提供的输入创建指定的几何形状
查找和匹配工具	查找工具用卡尺结果创建指定形状；匹配工具从其他工具的输入创建最佳匹配形状
交叉工具	计算来自输入形状的交叉点
测量工具	计算角度和/或输入形状之间的距离

6.2 举例：找圆工具 CogFindCircleTool

CogFindCircleTool 是实际项目中最常用的几何工具之一，由多个卡尺构成，通过卡尺搜索边缘并拟合出圆。使用原则：

尽量不让卡尺重叠；
卡尺要放在灰度值变化明显的区域，一定要让卡尺能够搜索到边；
搜索方向代表扫描方向（向内/向外）。

主要参数：

参数	说明
卡尺数量	圆周上放置的卡尺个数（越多拟合越稳，但耗时增加）
搜索长度	每个卡尺沿搜索方向扫描的长度
投影长度	卡尺的宽度（投影方向）
搜索方向	向内 / 向外
中心 X / Y	预期的圆心位置（先粗定位，可结合 Fixture）
半径	预期的圆半径
起始角度 / 角度范围	`0~180°` 只找半圆，`0~360°` 找整圆
半径限制	限制拟合圆的半径范围，过滤错误结果
忽略的点数	忽略部分边缘点，提高拟合鲁棒性

运行后即可在结果中看到拟合出的圆（圆心、半径），如下图所示：

6.3 其他查找/拟合工具

工具	说明
CogFindCornerTool	卡尺拟合角度工具，默认两条直线卡尺一定会交互到一个最明显的点上（找角点）
CogFindEllipseTool	椭圆查找工具
CogFitCircleTool	拟合圆工具，最低要求是三个点成圆
CogMultiLineFinderTool	多条线段查找工具

CogMultiLineFinderTool 使用步骤：

设置搜索范围：尽量小一点，这样抗干扰、更快速；
调整边缘查找参数：极性、阈值、最小长度。

6.4 找圆脚本示例

// CogToolBlockSimpleScript - 读取找圆结果
using Cognex.VisionPro;
using Cognex.VisionPro.Geometric;

public void ModifyOutputs(CogToolBlockSimpleScript host)
{
    CogFindCircleTool findCircle = (CogFindCircleTool)host.Tools["CogFindCircleTool1"];

    // 获取拟合圆（找不到圆时 GetCircle() 可能抛出异常，需判断）
    CogCircle circle = findCircle.Results.GetCircle();
    if (circle != null)
    {
        host.Outputs["CenterX"].Value = circle.CenterX;
        host.Outputs["CenterY"].Value = circle.CenterY;
        host.Outputs["Radius"].Value = circle.Radius;

        // 直径是否在允许范围内
        bool isOk = circle.Radius * 2 >= 90 && circle.Radius * 2 <= 110;
        host.Outputs["DiameterOK"].Value = isOk;
    }
}

七、简单脚本（CogToolBlock）

VisionPro 中脚本本质是 C#（或 VB.Net）语言，核心业务逻辑通过 VisionPro 底层对象模型实现。

CogToolBlock（工具块脚本）分类：

脚本类型	适用场景
CogToolBlockSimpleScript（简单脚本）	适合外部工具已经获取到值之后，把值传递到脚本中进行业务逻辑拓展（如统计、判断、计算）
CogToolBlockAdvancedScript（视觉逻辑脚本）	适合流程控制（如条件分支、循环执行、工具间跳转），是工作中最常用的

配套常用工具：

CogImageConvertTool：图像转换工具，可以把彩色图像转成灰度图像；
CogHistogramTool：灰阶工具，查看图像的灰度直方图（要求输入灰度图像）；
CogResultsAnalysisTool：结果集工具，主要用来提供计算能力。

AdvancedScript 流程控制示例：

// CogToolBlockAdvancedScript - 流程控制示例
// currentOp 表示当前执行的步骤序号，numOps 为总步骤数
public int AdvancedRun(CogToolBlockAdvancedScript host, int currentOp, int numOps)
{
    if (currentOp == 1)
    {
        // 第一步：判断 Blob 数量是否合格
        CogBlobTool blobTool = (CogBlobTool)host.Tools["CogBlobTool1"];
        int count = blobTool.Results.GetBlobs().Count;

        if (count < 3)   // 数量不足，直接失败
        {
            host.Outputs["Result"].Value = "NG";
            return 0;    // 停止后续步骤
        }
        else
        {
            host.Outputs["Result"].Value = "OK";
        }
    }
    return currentOp + 1;  // 继续下一步
}

八、配套作业案例（Blob 应用实战）

课堂作业把这些知识用在了真实图像上，正好是 Blob + 定位 + 几何工具的综合练习：

8.1 硬币计数

思路：硬币与背景对比度高、互不重叠，适合用 Blob 分割后按面积/质心统计数量。

8.2 标识出整张图中筛子的总点数

思路：白骰子黑点在黑背景上对比明显，先分割出骰子（大 Blob），再在每个骰子区域内分割点数（小 Blob），汇总所有点数。

8.3 零件瑕疵检测（Txu 瑕疵检测 / 找出瑕疵零件并标注）

思路：好的零件与有缺陷的零件在灰度/形状上有差异，用 Blob 的面积、周长等属性筛选出异常目标，再用 CogCreateGraphicLabelTool 或图形标注把瑕疵框出来。

8.4 手机电池正反面识别

思路：正反面在特征区域（如文字、电极）上有明显灰度差异，可先用 Fixture+PMA 定位，再在固定区域用 Blob/对比度判断是正面还是反面。

8.5 Mark 定位

思路：Mark 点是高对比度的标准特征，用 CogPMAlignTool 模板匹配做粗定位，输出 GetPose() 给 Fixture，为后续测量建立坐标系。

九、避坑指南与经验总结

阈值选择是 Blob 分析中最不可预测、最困难的环节。光照稳定 → 固定硬阈值（快）；光照会变 → 相对阈值（按占比，抗光）；要省配置 → 动态硬阈值（适合双峰直方图）。
固定阈值比相对阈值快（不必计算百分比对应的灰度），但固定阈值可以检测场景中是否有某特征，相对阈值始终会在场景中找到一个斑点——两种思路适用场景不同。
形态学操作始终作用于白色区域，设极性前想清楚自己要操作的是目标还是背景。
测得属性越多，运行越慢；生产环境只勾选必要属性，必要时禁用惯性/主惯量等计算以提速。
卡尺区域要包含目标边线、边线要平行于投影方向、尽量不包含无关特征；筛选尺寸接近边线尺寸时峰值最强。
找圆时卡尺要放在灰度变化明显的区域且尽量不重叠，角度范围 0~360° 找整圆、0~180° 只找半圆。
Fixture 把"测量坐标系"固定到工件上，后续所有工具（卡尺、找圆）都跟随工件旋转平移，是尺寸测量的前提。
简单脚本（SimpleScript）适合"取数→算→出结果"，AdvancedScript 适合"流程控制"，两者配合 CogToolBlock 可以搭建完整的视觉逻辑。