将恒星图像缩小为具有半径的恒星坐标（Numpy/OpenCV）

我有一张星星的照片，像这样：

现在，我想得到100颗最亮的恒星，并将它们分别减少到四个数据点：1。X坐标，2。Y坐标，3。亮度，4。半径就这样。基本上，我想将这些800x480px=384000数据点减少为100*4数据点，同时保留大部分信息（恒星位置、恒星亮度和恒星半径）

我目前的方法是寻找最亮的星星：

np.where(star_image_array**2 > threshold, 1, 0)

然后我对结果运行一个高斯滤波器，并对最高值进行另一个选择。但这仍然不能解决如何选择不同的恒星坐标（更不用说亮度和半径）的问题

---

有人能为我指出解决这一挑战的正确方向，或者为我提供一些资源吗？谢谢

您可以使用等高线在阈值图像中查找星星，如下所示：

ret, mask = cv2.threshold(img, 100, 255, cv2.CV_8U)
contours, hierarchy = cv2.findContours(mask, 1, 2)
stars = []
for cnt in contours:
  area = cv2.contourArea(cnt)
  if area < 2:
    continue
  x, y, w, h = cv2.boundingRect(cnt)
  # 1. X-coordinate
  x_coord = x + w/2.0
  # 2. Y-coordinate
  y_coord = y + h/2.0
  # 3. brightness
  star_mask = np.zeros(img.shape,np.uint8)
  cv2.drawContours(star_mask, [cnt], 0, 255, -1)
  mean_val = cv2.mean(img, mask=star_mask)[0]
  min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(img, mask=star_mask)
  # 4. radius
  radius = np.sqrt(area/(2*np.pi))
  stars.append({'x': x_coord,
                'y': y_coord,
                'mean_brightness': mean_val,
                'max_brightness': max_val,
                'radius': radius})

ret，mask=cv2.阈值（img，100255，cv2.CV_8U）
轮廓，层次=cv2.findContours（掩码，1，2）
星星=[]
对于轮廓中的cnt：
面积=cv2。轮廓面积（cnt）
如果面积小于2：
持续
x、 y，w，h=cv2.boundingRect（cnt）
# 1. 横坐标
x_坐标=x+w/2.0
# 2. Y坐标
y_坐标=y+h/2.0
# 3. 亮度
星形遮罩=np.0（图像形状，np.uint8）
cv2.绘制轮廓（星型掩模，[cnt]，0255，-1）
平均值=cv2。平均值（img，掩码=星形掩码）[0]
最小值，最大值，最小位置，最大位置=cv2。最小最大位置（img，掩码=星形掩码）
# 4. 半径
半径=np.sqrt（面积/（2*np.pi））
stars.append（{'x'：x_坐标，
“y”：y_coord，
“平均亮度”：平均值，
“最大亮度”：最大值，
“半径”：半径}）

有一个带有示例代码的colab。

目前正在查看和，似乎有点相关，但仍在尝试找出答案。将保持更新。可能您希望使用