Image processing 使用自适应阈值分析粒子？

我对OpenCV完全是新手，我尝试着分析生物图像。然而，我有一个问题来量化你在这些图片上看到的“点”：

1.）这是一张图像，您可以清晰地看到红色背景上的红点

2.）在这张图片上，由于强烈的背景信号，识别点非常困难：

3.）但是，它们是一张大型显微镜图像的一部分：

我试图编写一个程序来量化每个粒子，并编写了以下OpenCV脚本：

import cv2
import numpy as np

img = cv2.imread('image.png')

mask = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
th = 35

mask[mask<th] = 0
mask[mask>0] = 255
mask = np.stack([mask, mask, mask], axis=2)

result = np.hstack((img, mask))

cv2.namedWindow("peaks", cv2.WINDOW_NORMAL)
cv2.imshow("peaks", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

导入cv2
将numpy作为np导入
img=cv2.imread（'image.png'）
遮罩=cv2.CVT颜色（img，cv2.COLOR\u BGR2GRAY）
th=35
掩码[mask0]=255
掩码=np.堆栈（[掩码，掩码，掩码]，轴=2）
结果=np.hstack（（img，mask））
cv2.namedWindow（“峰值”，cv2.WINDOW_正常）
cv2.imshow（“峰值”，结果）
cv2.等待键（0）
cv2.destroyAllWindows（）

但是，这仅适用于没有强噪声背景的图像：

但不是一个有强烈背景的人：

这是相当令人沮丧的，因为由于背景噪音的影响，成像效果相当差，但是有没有办法分析粒子呢？我听说过自适应阈值。它对这个问题有效吗？我很高兴能得到任何帮助

亲切问候,， 哈希拉马