計算機視覺中的 Blob 是指圖像中的一塊連通區域， Blob 分析就是對前景/背景分離后的二值圖像，進行連通域提取和標記。標記完成的每一個 Blob 都代表一個前景目標，然后就可以計算 Blob 的一些相關特征，如：面積、質心、外接矩形等幾何特征，還可以計算Blob 的顏色、紋理特征，這些特征都可以作為跟蹤的依據。

Blob 算法的核心思想，就是在一塊區域內，將出現“灰度突變”的范圍找出來。確定其大小、形狀及面積等。算法從邊緣尋找中的”卷積算法”，例如”卷積算法”的矩陣設定為 2*4 掃描從左向右從上至下進行的。矩陣每移動一步，算法計算矩陣中前半部(列 1 及列 2 )的灰度值總和，與矩陣中后半部(列 3 及列 4 )的灰度值總和的差。假如矩陣中這塊圖像的顏色為相同，也就是說矩陣中的 8 個像素的灰度極接近的話，那么，這個矩陣前部與后部灰度值總和差應該是趨近 0 的。程序一步步運行，矩陣前部與后部的灰度值總和差一直接近0。如果矩陣掃描到了一塊前景的邊緣，這時矩陣前部與后部灰度值總和差突變了，灰度值不再接近，則是到了一個 Blob。當算法掃描完整的時候，系統就記錄了全部發生這種突變情況的點的坐標。之后再對這些邊緣點進行一系列的分析，便可以得到這個 Blob 的大小、形狀及面積等信息。

使用示例：

1、根據物件特征進行參數篩選設置，如圖：

2、對跟蹤到的物件可以輸出 Blob 的中心坐標、長寬、面積、窗口位置等信息，常用于初定位功能。例如：利用 Blob 中心點坐標，對圓探針定位，再測量物件直徑。

多物件分別測量直徑：