基于OpenCV的小噪声图像特征检测

我有一张图像，既嘈杂又小（相关部分是381） × 这些特征非常微妙

源图像和裁剪的相关区域也位于此处：

任务是使用Python计算相关区域内的白色点的数量，但我很乐意只隔离区域内较亮的点和线，并移除背景结构（在本例中为单元格）

使用OpenCV，我尝试了直方图均衡化（破坏细节），查找轮廓（不起作用），使用颜色范围（颜色太近？）

对其他尝试的事情有什么建议或指导吗？我不相信我能获得更高分辨率的图像，所以这个任务是否可能使用相当困难的源代码？

（这不是Python的答案，因为我从未使用过Python/OpenCV绑定。下面的图像是使用Mathematica创建的。但我只使用了基本的图像处理函数，所以您应该能够自己在Python中实现它。）

在图像处理中，一个非常普遍的“窍门”是考虑删除你正在寻找的东西，而不是实际寻找它。因为通常，移除它要比找到它容易得多。例如，您可以对其应用a或a：

这些过滤器有效地去除了比过滤器大小小的细节，并使粗糙的结构或多或少保持不变。因此，您可以从原始图像中提取差异，并查找局部最大值：

---

（您必须使用不同的“细节删除过滤器”和过滤器大小。无法判断哪一种过滤器仅适用于一张图像。）

我建议您研究一下。这可能有助于解决“破坏细节”问题。OpenCV有一个实现，但它没有文档记录（遗憾的是）。纯粹是天才。我盯着那间牢房看了一个小时，试图想出一种方法来获取圆点，却从未想过要获取背景！我将在OpenCV中尝试此过程。非常感谢你@妮基，你能把注解的字体调大一点吗？我几乎看不懂。你申请了哪一个来获得红点？@kkuilla:你可以在一个单独的选项卡中打开图像。（图像以内联方式向下采样）。我使用了红色十字的中间结果-但是打开/高斯的结果在质量上看起来很相似。我恐怕无法打开新选项卡。不知道为什么。您可以将字体大小设置为非常大的大小，如36或48。然后，当进行下采样时，它看起来是正常的。无论如何，这是一个很好的答案+1@PFM：实际上，我只是使用了

ImageData

和

-

，也就是说，我将图像转换成一个二维数组，并用它进行了运算。我猜Python中的等效方法是将PIL图像转换为NumPy数组。