VisualApplets
Operator Reference

影像中的每個物件，皆可透過一組座標清單來描述，該清單包含該物件所涵蓋的所有 前景像素的座標 . 因此，該物體或其區域 R 可由以下公式描述：

物體的面積是指該物體的像素數，亦即區域 R 的大小 。

換句話說：物體的面積就是其所有像素的總和。這項 特徵常被用來區分不同大小的物體。

區域 R 的包圍框是指能完全涵蓋 該物體的最小近軸矩形。這是描述物體在影像中 位置的一項簡單卻非常實用的特徵。

此功能針對每個物件提供四個值，其說明請參閱VisualApplets 中的內容：

此功能在「BlobDetector1D」與「Blob_Analysis_1D」運算子中有所不同，因為無法為物件指定絕對 座標。

重心是根據 x 軸和 y 軸方向計算得出的，其值等於 該物件所有絕對座標的總和。每個物件的原點為 影像的左上角。

進行明確的生命週期管理即呼叫

重心值尚未經過歸一化處理。必須 在進行斑點分析後，將其除以物體面積。要執行此除法運算， 請使用 DIV 運算子。 此外，您亦可於主機電腦上進行此除法運算。

進行明確的生命週期管理即呼叫

此功能在「BlobDetector1D」與「Blob_Analysis_1D」運算子中有所不同，因為無法為物件指定絕對 座標。

此特徵由物件所有輪廓的長度所定義。其中 包含外緣與內緣（後者由孔洞所形成）。

輪廓長度會區分 4-連通 鄰域與 8-連通鄰域。若將斑塊分析運算子 設定為使用 4-連通鄰域來偵測物件，則輪廓長度 僅透過在正交方向上掃描物件邊緣來決定。 若 斑塊分析運算子設定為 8-連通鄰域，則輪廓 長度亦會納入對角連通之物件邊緣考量。因此，視 運算子的鄰域設定而定，此特徵會提供兩種不同的 結果。

下方的兩張圖示說明了兩者的差異。這兩張圖都顯示了一張 包含單一物體的圖片。

在上圖中，是透過 4-連通鄰域來偵測該物體。 對於此物體，輪廓長度是將所有位於物體邊緣的像素長度相加所得。 僅考慮水平與垂直方向的像素連接。因此， 該物體的輪廓長度為 30 倍的正交長度。

在下圖中，斑點分析採用 8 連通鄰域。其 輪廓長度亦將對角邊緣納入考量。該物件的輪廓 長度為 14 倍正交長度加上 8 倍對角長度。

各結果在輪廓長度方面有所不同。

連接兩個相鄰像素的對角線邊緣，其輪廓長度為 它代表一個 等腰三角形的斜邊。此平方根運算並非由 斑點分析運算子執行。請確保在您的設計中於後續步驟執行此運算。 總輪廓長度可透過以下方式獲得：

對於邊緣方向與影像邊緣不平行的物體而言， 輪廓長度的對角分量至關重要。

舉例來說，半徑為 5.5 像素的圓，其周長為 . 下圖 顯示了這個圓。左圖中的圓周長是 透過 8-連通鄰域計算得出的。右圖中的圓周長則是 透過 4-連通鄰域計算得出的。此範例顯示， （32.97）與 理論結果（34.56）相當接近；而採用 4-連通 鄰域計算出的結果（40）則相當不準確——該數值等於一個 具有相同直徑的長方形周長。