El seguimiento de blobs es un método mediante el cual las computadoras pueden identificar y rastrear los movimientos de los objetos dentro de las imágenes. Una mancha es un grupo de píxeles que la computadora identifica como un objeto. Una persona, por ejemplo, podría ser una mancha. Este método de seguimiento permite a la computadora encontrar la posición de la mancha en cuadros sucesivos. En efecto, la computadora ve el movimiento del objeto, una habilidad que tiene aplicaciones en el análisis de imágenes computarizado y en el desarrollo de la visión por computadora.
Antes de que una computadora pueda rastrear blobs, debe definirlos. El primer paso en el seguimiento de blobs es crear un programa que detecte blobs en una imagen. La computadora encuentra manchas agrupando píxeles con valores de luz o valores de color similares. En el mundo real, cada superficie tiene variaciones sutiles, por lo que si la computadora seleccionó solo un valor de luz o color, una mancha podría tener solo unos pocos píxeles, lo cual es inútil cuando se trata de agrupar imágenes en componentes útiles que representan unidades completas.
Es responsabilidad del programador crear un sistema de detección de manchas que imite las distinciones entre los objetos que el ojo humano puede ver. Lo hace escribiendo un umbral de tolerancia en el programa, que le dice a la computadora la diferencia máxima entre los valores que pueden ocurrir en un blob. Los programadores prueban y perfeccionan los programas de detección de manchas hasta que puedan identificar partes de imágenes correctamente.
A continuación, el programador debe crear una forma para que la computadora rastree el movimiento de las manchas. Esto es difícil porque la computadora no puede simplemente escanear el siguiente fotograma para el mismo blob: la forma y los valores de un blob pueden cambiar a medida que se mueve. Por ejemplo, una persona que está sentada podría ponerse de pie. La computadora debe detectar las manchas en la nueva imagen y hacer conexiones significativas entre las manchas aparentemente diferentes presentes en cada cuadro. Los programadores crean ecuaciones que definen la importancia relativa de factores que incluyen la ubicación, el tamaño y el color, y los resultados lo ayudan a decidir si el blob en el nuevo marco es lo suficientemente similar al blob anterior como para recibir la misma etiqueta.
El seguimiento de blobs es una herramienta poderosa, especialmente cuando se combina con otros métodos de análisis de imágenes. Por ejemplo, las computadoras identifican áreas de alto contraste entre un píxel y el siguiente para detectar bordes. Algunos programas utilizan métodos de detección de crestas para determinar el contorno de una superficie.
Estas capacidades permiten a las computadoras realizar análisis de imágenes sofisticados. Un sistema automatizado puede escanear más imágenes de las que los revisores humanos podrían ver. Usando su kit de herramientas, incluido el seguimiento de blobs, podría identificar imágenes de interés que requieran una revisión más detallada y reenviar esas secciones a un humano.
Otra aplicación del seguimiento de blobs es la visión por computadora y la robótica. A medida que técnicas como esta se vayan perfeccionando, los robots podrán extraer el significado de las imágenes de una manera que se aproxime al procesamiento de imágenes en el cerebro humano. Las computadoras podrían tomar información sin tener que ingresarla manualmente, obteniendo más información que nunca. Los robots podían ver el mundo que los rodeaba.