图像中检测小点算法思路（另附代码）

如何从图像中检测小数点，这是一个比较简单典型的问题。比如说像下面这样的一张图，检测出小数点的位置。

这里的思路简单来说可以按照下面的三个步骤：

1. 如果是RGB彩色图，可以转变为灰度图，然后使用阈值方法将其二值化（可以采用OTSU等自适应的阈值方法）

2. 采用简单降噪的方法把一些小的噪声点去除（这里方法很多样，一般可以采用高斯低通或者形态学方法）

3. 找到闭合轮廓线，使用轮廓线围成的面积进行筛选

下面是使用python写的算法逻辑，可以直接运行。

import cv2
import numpy as np

img = cv2.imread(path)    #读入图像
original = img.copy()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]    # OTSU 将图像二值化

# 形态学方法滤掉小噪点
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))    
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

# 找到所有闭合轮廓
cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
# 按照轮廓面积进行过滤
for c in cnts:
    area = cv2.contourArea(c)
    print(area)
    if area < 200:
        cv2.drawContours(original, [c], -1, (36,255,12), -1)

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('original', original)
cv2.waitKey()