Opencv 打开cv查找图像中的白色峰值

我有以下图像：

我想找到不同周期特征的白色中心。我把我要找的东西标上了小红点。边缘模糊的，我不在乎。只有中间的特征。什么openCv方法最适合实现我想要的

我试着在我的图像上使用，但结果并不接近

多亏了下面的答案，我才想出了这个解决方案（使用C#library包装器OpenCV sharp）：

方法：

private List<Point> GetPeaks(Mat mat)
    {
        Mat findPeaksMat = new Mat();
        mat.ConvertTo(findPeaksMat, MatType.CV_8UC1);
        Cv2.Threshold(findPeaksMat, findPeaksMat, 100, 255, ThresholdTypes.Binary);

        Point[][] contours;
        HierarchyIndex[] hierarchy;
        Cv2.FindContours(findPeaksMat, out contours, out hierarchy, RetrievalModes.External, ContourApproximationModes.ApproxSimple);
        var points = ContoursCenter(contours, true);

        return points.Where(p => p.X >= 0 && p.Y >= 0).ToList();
    }


    private List<Point> ContoursCenter(Point[][] contours,bool centerOfMass,int contourIdx = -1)
    {
        List<Point> result = new List<Point>();
        if (contourIdx > -1)
        {
            if (centerOfMass)
            {
                Moments m = new Moments(contours[contourIdx], true);
                result.Add(new Point(m.M10/m.M00, m.M01/m.M00));
            }
            else 
            {
                Rect rct = Cv2.BoundingRect(contours[contourIdx]);
                result.Add(new Point(rct.X + rct.Width / 2 , rct.Y + rct.Height / 2));
            }
        }
        else 
        {
            if (centerOfMass)
            {
                for (int i = 0; i < contours.Length; i++)
                {
                    Moments m = new Moments(contours[i], true);
                    result.Add(new Point(m.M10 / m.M00, m.M01 / m.M00));
                }
            }
            else 
            {
                for (int i = 0; i < contours.Length; i++)
                {
                    Rect rct = Cv2.BoundingRect(contours[i]);
                    result.Add(new Point(rct.X + rct.Width / 2 , rct.Y + rct.Height / 2));
                }
            }
        }

        return result;
    }

private List GetPeaks（Mat-Mat）
{
Mat findPeaksMat=新Mat（）；
材料转换器（findPeaksMat，材料类型CV_8UC1）；
阈值（findPeaksMat，findPeaksMat，100255，ThresholdTypes.Binary）；
点[]等高线；
层次索引[]层次结构；
Cv2.FindContours（findPeaksMat、out轮廓、out层次、RetrievalModes.External、ContourApproximationModes.ApproxSimple）；
var点=轮廓仪（轮廓，真）；
返回点。其中（p=>p.X>=0和&p.Y>=0）。ToList（）；
}
私有列表轮廓仪（点[][]轮廓，布尔质量中心，int contourIdx=-1）
{
列表结果=新列表（）；
如果（轮廓线>-1）
{
if（质量中心）
{
力矩m=新力矩（等高线[contourIdx]，真）；
结果.添加（新点（m.M10/m.M00，m.M01/m.M00））；
}
其他的
{
Rect rct=Cv2.BoundingRect（等高线[contourIdx]）；
结果。添加（新点（rct.X+rct.Width/2，rct.Y+rct.Height/2））；
}
}
其他的
{
if（质量中心）
{
对于（int i=0；i

我认为

对图像进行阈值化，找到轮廓，按面积过滤轮廓，并计算中心将完成这项工作



我认为
对图像进行阈值化、找到轮廓、按面积过滤轮廓并计算中心将完成这项工作



这个问题很简单。您可以使用以下两种方法之一：

轮廓检测和基于轮廓面积的阈值化
连接组件分析和基于组件面积的阈值
注意：由于您尚未添加原始图像，因此我从另一个答案中获取了该图像！如果你附上原始图像，我很乐意适当调整答案

守则：

import cv2
import numpy as np

arr = cv2.imread("U:/SO/Lvw2I.png")`
imgray = cv2.cvtColor(arr, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
# Based on contours
im2, contours, heirarchy = cv2.findContours(thresh, cv2.RETR_TREE, 
cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    if cv2.contourArea(cnt) > 120:
        cv2.drawContours(arr, [cnt], 0, (0, 255, 0), 3)

# Based on CCA
labelnum, labelimg, contours, GoCs = cv2.connectedComponentsWithStats(imgray)
for label in range(1, labelnum):
    x, y = GoCs[label]
    x, y, w, h, size = contours[label]
    if size >= 180:
        img = cv2.rectangle(imgray, (x, y), (x+w, y+h), (255, 255, 0), 1)

结果:



希望有帮助
 这个问题很简单。您可以使用以下两种方法之一：

轮廓检测和基于轮廓面积的阈值化
连接组件分析和基于组件面积的阈值
注意：由于您尚未添加原始图像，因此我从另一个答案中获取了该图像！如果你附上原始图像，我很乐意适当调整答案

守则：

import cv2
import numpy as np

arr = cv2.imread("U:/SO/Lvw2I.png")`
imgray = cv2.cvtColor(arr, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
# Based on contours
im2, contours, heirarchy = cv2.findContours(thresh, cv2.RETR_TREE, 
cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    if cv2.contourArea(cnt) > 120:
        cv2.drawContours(arr, [cnt], 0, (0, 255, 0), 3)

# Based on CCA
labelnum, labelimg, contours, GoCs = cv2.connectedComponentsWithStats(imgray)
for label in range(1, labelnum):
    x, y = GoCs[label]
    x, y, w, h, size = contours[label]
    if size >= 180:
        img = cv2.rectangle(imgray, (x, y), (x+w, y+h), (255, 255, 0), 1)

结果:



希望有帮助
 你的意思是你只想要你标记的4？或者你仅仅是因为你想要的其他的都是相似的，所以才标记了4？你能不能另外提供一张未标记的图像，以便用please进行测试？当白色圆点被涂成红色时，很难找到它们！是的，很抱歉把它们涂成红色，我意识到这会把任何试图帮助的人的输入图像弄得一团糟。但是使用阈值/轮廓检测，我能够完成我所需要的！任何方法只要找到它们，我就可以减少到我需要的数量。你是说你只想要你标记的4个吗？或者你仅仅是因为你想要的其他的都是相似的，所以才标记了4？你能不能另外提供一张未标记的图像，以便用please进行测试？当白色圆点被涂成红色时，很难找到它们！是的，很抱歉把它们涂成红色，我意识到这会把任何试图帮助的人的输入图像弄得一团糟。但是使用阈值/轮廓检测，我能够完成我所需要的！任何找到它们的方法，我都可以减少到我需要的数量。是的，这正是我所做的。谢谢你的回答。是的，这正是我所做的。谢谢你的回答。