Python，OpenCV找出圖像中的最亮點

• • 1. 原理
  • 2. 優化
  • 3. 效果圖
  • 4. 源碼
  • 參考

這篇博客將向您展示如何使用Python和OpenCV查找圖像中的最亮點，以及應用單行預處理代碼——高斯模糊以改善效果。

1. 原理

查找Python和OpenCV找到圖像的最亮點，主要利用cv2.minMaxLoc方法。

使用cv2.minMaxLoc 找到的實際上不是一個區域——它只是整個圖像中最亮的單個像素。

cv2.minMaxLoc找到的是整個圖像中單個最亮的像素。 因此使用極易受到噪音的干擾。在正常情況下不會出現明亮像素的區域（在這種情況下，是視神經中樞以外的區域），單個明亮像素會大大降低檢測的結果。

相反，最好檢查圖像的區域而不是單個像素。因為檢查區域時可以讓所有區域平均平衡，而不易受到噪音影響。

2. 優化

那么，如何在不顯式檢查圖像的每個區域的情況下模仿這種“區域”效果呢？

• 查找圖像中最亮點的敏感方法是使用cv2.minMaxLoc，稱其敏感的原因是該方法極易受噪音干擾（其他區域明亮的像素），可以通過預處理步驟應用高斯模糊解決。

• 應用高斯模糊可以對給定半徑內的像素進行平均，從而丟棄單個明亮像素。使魯棒性方法正常工作的一個重要方面是正確設置半徑尺寸。

• 合理的設置高斯模糊半徑值非常的重要，正確的設置半徑尺寸能很好的保證該方法的魯棒性；

• 如果設置半徑尺寸太小，將無法找到更大，更亮的圖像區域。但是如果設置尺寸過大，那么將檢測到太大的區域，而錯過了較小的區域，從而導致結果不及預期。

3. 效果圖

原始效果 VS 高斯優化后效果圖

有噪音干擾時，原始效果 VS 高斯優化后圖

原始效果左圖 cv2.minMaxLoc 找到的只是最亮的像素點，所以很容易受高頻噪音影響。優化是應用高斯模糊；

原始效果 VS 高斯優化后圖

4. 源碼

# USAGE
# python bright.py --image retina.png --radius 41
# python bright.py --image images/retina-noise.png --radius 41# 導入必要的包
import numpy as np # 數值處理
import argparse # 命令行參數
import cv2 #綁定openCV# 構建命令行參數并解析
# --image 照片路徑
#  --radius 整數，應用于圖像的高斯模糊的半徑，必須是技術
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", help = "path to the image file")
ap.add_argument("-r", "--radius", type = int,help = "radius of Gaussian blur; must be odd")
args = vars(ap.parse_args())# 加載圖像，復制圖像并轉換為灰度圖
image = cv2.imread(args["image"])
orig = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 查找圖像中最亮點的敏感方法是使用cv2.minMaxLoc，稱其敏感的原因是該方法極易受噪音干擾，可以通過預處理步驟應用高斯模糊解決。
# 尋找最小、最大像素強度所在的（x,y）
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
# 在最大像素上繪制空心藍色圓圈
cv2.circle(image, maxLoc, 5, (255, 0, 0), 2)# 展示該方法的結果
cv2.imshow("Naive", image)# 使用cv2.minMaxLoc，如果不進行任何預處理，可能會非常容易受到噪音干擾。
# 相反，最好先對圖像應用高斯模糊以去除高頻噪聲。這樣，即使像素值非常大（同樣由于噪聲）也將被其鄰居平均。
# 在圖像上應用高斯模糊消除高頻噪聲，然后尋找最亮的像素
# 高斯模糊的半徑取決于實際應用和要解決的問題；
gray = cv2.GaussianBlur(gray, (args["radius"], args["radius"]), 0)
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
image = orig.copy()
cv2.circle(image, maxLoc, args["radius"], (255, 0, 0), 2)# 展示效果顯著提升后的方法結果
cv2.imshow("Robust", image)
cv2.waitKey(0)

參考

• https://www.pyimagesearch.com/2014/09/29/finding-brightest-spot-image-using-python-opencv/

總結

以上是生活随笔為你收集整理的使用Python，OpenCV查找图像中的最亮点的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。