本篇博文分享一篇寻找图像中灯光亮点（图像中最亮点）的教程，例如，检测图像中五个灯光的亮点并标记，项目效果如下所示：
第1步：导入并打开原图像，实现代码如下所示：
# import the necessary<i style="color:transparent">本文来源gaodai$ma#com搞$$代**码网$</i> packages
from imutils import contours
from skimage import measure
import numpy as np
import argparse
import imutils
import cv2
# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
help="path to the image file")
args = vars(ap.parse_args())
第2步：开始检测图像中最亮的区域，首先需要从磁盘加载图像，然后将其转换为灰度图并进行平滑滤波，以减少高频噪声，实现代码如下所示：
#load the image, convert it to grayscale, and blur it image = cv2.imread(args["image"]) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (11, 11), 0)
导入亮灯图像，过滤后效果如下所示：
第3步：阈值化处理，为了显示模糊图像中最亮的区域，将像素值p >= 200，设置为255(白色)，像素值< 200，设置为0(黑色)，实现代码如下所示：
# threshold the image to reveal light regions in the # blurred image thresh = cv2.threshold(blurred, 200, 255, cv2.THRESH_BINARY)[1]
效果如下所示：
第4步：此时可看到图像中存在噪声(小斑点)，所以需要通过腐蚀和膨胀操作来清除，实现代码如下所示：
# perform a series of erosions and dilations to remove # any small blobs of noise from the thresholded image thresh = cv2.erode(thresh, None, iterations=2) thresh = cv2.dilate(thresh, None, iterations=4)
此时“干净”的图像如下所示：
第5步：本项目的关键步骤是对上图中的每个区域进行标记，即使在应用了腐蚀和膨胀后，仍然想要过滤掉剩余的小块儿区域。一个很好的方法是执行连接组件分析，实现代码如下所示：
# perform a connected component analysis on the thresholded # image, then initialize a mask to store only the "large" # components labels = measure.label(thresh, neighbors=8, background=0) mask = np.zeros(thresh.shape, dtype="uint8") # loop over the unique components for label in np.unique(labels): # if this is the background label, ignore it if label == 0: continue # otherwise, construct the label mask and count the # number of pixels labelMask = np.zeros(thresh.shape, dtype="uint8") labelMask[labels == label] = 255 numPixels = cv2.countNonZero(labelMask) # if the number of pixels in the component is sufficiently # large, then add it to our mask of "large blobs" if numPixels > 300: mask = cv2.add(mask, labelMask)
上述代码中，第4行使用scikit-image库执行实际的连接组件分析。measure.lable返回的label和阈值图像有相同的大小，唯一的区别就是label存储的为阈值图像每一斑点对应的正整数。
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：Python+OpenCV检测灯光亮点的实现方法
转载请注明原文链接：Python+OpenCV检测灯光亮点的实现方法
