这篇博客将向您展示如何使用Python和OpenCV查找图像中的最亮点,以及应用单行预处理代码——高斯模糊以改善效果。
1. 原理
查找Python和OpenCV找到图像的最亮点,主要利用cv2.minMaxLoc方法。
使用cv2.minMaxLoc 找到的实际上不是一个区域——它只是整个图像中最亮的单个像素。
cv2.minMaxLoc找到的是整个图像中单个最亮的像素。 因此使用极易受到噪音的干扰。在正常情况下不会出现明亮像素的区域(在这种情况下,是视神经中枢以外的区域),单个明亮像素会大大降低检测的结果。
相反,最好检查图像的区域而不是单个像素。因为检查区域时可以让所有区域平均平衡,而不易受到噪音影响。
2. 优化
那么,如何在不显式检查图像的每个区域的情况下模仿这种“区域”效果呢?
-
查找图像中最亮点的敏感方法是使用cv2.minMaxLoc,称其敏感的原因是该方法极易受噪音干扰(其他区域明亮的像素),可以通过预处理步骤应用高斯模糊解决。
-
应用高斯模糊可以对给定半径内的像素进行平均,从而丢弃单个明亮像素。使鲁棒性方法正常工作的一个重要方面是正确设置半径尺寸。
-
合理的设置高斯模糊半径值非常的重要,正确的设置半径尺寸能很好的保证该方法的鲁棒性;
-
如果设置半径尺寸太小,将无法找到更大,更亮的图像区域。但是如果设置尺寸过大,那么将检测到太大的区域,