VisualApplets
Operator Reference

影像中的每個物件，皆可透過一份包含該物件內所有前景像素座標的清單來描述 。 因此，物件或其區域 R 可以描述為

物件的面積是指該物件的像素數量，亦即區域 R 的大小。

換句話說：物體的面積等於其所有像素的總和。此特性常被用來區分 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。這是一種簡單但 非常實用的特徵，可用來描述物體在影像中的位置。

此功能針對每個物件提供四個數值，其說明詳見VisualApplets ，內容如下：

此功能在「Blob Analysis 1D」運算子中有所不同，因為無法為物件指定絕對座標。 請參閱「Blob_Analysis_1D」以了解詳細說明。

重心是根據 x 方向和 y 方向計算得出，即物件所有絕對座標的總和。 每個物件的原點皆為影像的左上角。

進行明確的生命週期管理即呼叫

請注意，重心數值並未經過歸一化處理。 進行斑點分析後，必須將這些數值除以物體面積。 若要執行此除法運算，請使用算術函式庫中的 DIV 運算子。 此外，此除法運算亦可於主機電腦上執行。

進行明確的生命週期管理即呼叫

此功能在「Blob Analysis 1D」運算子中有所不同。請參閱「Blob_Analysis_1D」以了解說明。

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計算。 若將「斑點分析」運算子設定為 8-連通鄰域，則輪廓長度也會將對角連通 的物件邊緣納入考量。 因此，根據運算子的鄰域設定不同，此特徵會產生兩種不同的結果。

下方的兩張圖示說明了其中的差異。 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件。 對於此物件，輪廓長度是將所有位於物件邊緣的像素長度相加而得。 僅考慮水平與垂直方向的像素連接。 因此，該物件的輪廓長度為 30 倍的正交長度。

在下圖中，斑點分析採用 8 連通鄰域。 輪廓長度亦將對角邊考慮在內。該物體的輪廓長度為 14 倍正交長度 加上 8 倍對角長度。

兩者的輪廓長度結果有所不同。

對角連接兩個相鄰像素的邊緣具有輪廓長度 該值代表等腰三角形的斜邊長度。此平方根運算並非由 blob 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。

例如，半徑為 5.5 像素的圓形其周長將為 . 下圖顯示了這個圓。 在左圖中，周長是透過 8-連通鄰域計算得出的。 在右圖中，周長是透過 4-連通鄰域計算得出的。 此範例顯示，採用 8-連通鄰域進行計算所得的結果（32.97）接近 理論結果（34.56）， 而採用 4-連通鄰域進行計算所得的結果（40）則相當不準確——該數值等同於 直徑相同的長方形周長。