Python，OpenCV找出圖像中的最亮點(diǎn)
這篇博客將向您展示如何使用Python和OpenCV查找圖像中的最亮點(diǎn)，以及應(yīng)用單行預(yù)處理代碼——高斯模糊以改善效果。
1. 原理
查找Python和OpenCV找到圖像的最亮點(diǎn)，主要利用 **cv2.minMaxLoc **方法。
使用cv2.minMaxLoc 找到的實(shí)際上不是一個(gè)區(qū)域——它只是整個(gè)圖像中最亮的單個(gè)像素。
**cv2.minMaxLoc找到的是整個(gè)圖像中單個(gè)最亮的像素。 **因此使用極易受到噪音的干擾。在正常情況下不會(huì)出現(xiàn)明亮像素的區(qū)域（在這種情況下，是視神經(jīng)中樞以外的區(qū)域），單個(gè)明亮像素會(huì)大大降低檢測的結(jié)果。
相反，最好檢查圖像的區(qū)域而不是單個(gè)像素。因?yàn)闄z查區(qū)域時(shí)可以讓所有區(qū)域平均平衡，而不易受到噪音影響。
2. 優(yōu)化
那么，如何在不顯式檢查圖像的每個(gè)區(qū)域的情況下模仿這種“區(qū)域”效果呢？
查找圖像中最亮點(diǎn)的敏感方法是使用cv2.minMaxLoc，稱其敏感的原因是該方法極易受噪音干擾（其他區(qū)域明亮的像素），可以通過預(yù)處理步驟應(yīng)用 **高斯模糊 **解決。
應(yīng)用高斯模糊可以對給定半徑內(nèi)的像素進(jìn)行平均，從而丟棄單個(gè)明亮像素。使魯棒性方法正常工作的一個(gè)重要方面是正確設(shè)置半徑尺寸。
合理的設(shè)置高斯模糊半徑值非常的重要，正確的設(shè)置半徑尺寸能很好的保證該方法的魯棒性；
如果設(shè)置半徑尺寸太小，將無法找到更大，更亮的圖像區(qū)域。但是如果設(shè)置尺寸過大，那么將檢測到太大的區(qū)域，而錯(cuò)過了較小的區(qū)域，從而導(dǎo)致結(jié)果不及預(yù)期。
3. 效果圖
原始效果 VS 高斯優(yōu)化后效果圖
有噪音干擾時(shí)，原始效果 VS 高斯優(yōu)化后圖
原始效果左圖 cv2.minMaxLoc 找到的只是最亮的像素點(diǎn)，所以很容易受高頻噪音影響。優(yōu)化是應(yīng)用高斯模糊；
原始效果 VS 高斯優(yōu)化后圖
4. 源碼
# USAGE
# python bright.py --image retina.png --radius 41
# python bright.py --image images/retina-noise.png --radius 41
# 導(dǎo)入必要的包
import numpy as np # 數(shù)值處理
import argparse # 命令行參數(shù)
import cv2 #綁定openCV
# 構(gòu)建命令行參數(shù)并解析
# --image 照片路徑
# --radius 整數(shù)，應(yīng)用于圖像的高斯模糊的半徑，必須是技術(shù)
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", help = "path to the image file")
ap.add_argument("-r", "--radius", type = int,
help = "radius of Gaussian blur; must be odd")
args = vars(ap.parse_args())
# 加載圖像，復(fù)制圖像并轉(zhuǎn)換為灰度圖
image = cv2.imread(args["image"])
orig = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 查找圖像中最亮點(diǎn)的敏感方法是使用cv2.minMaxLoc，稱其敏感的原因是該方法極易受噪音干擾，可以通過預(yù)處理步驟應(yīng)用高斯模糊解決。
# 尋找最小、最大像素強(qiáng)度所在的（x,y）
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
# 在最大像素上繪制空心藍(lán)色圓圈
cv2.circle(image, maxLoc, 5, (255, 0, 0), 2)
# 展示該方法的結(jié)果
cv2.imshow("Naive", image)
# 使用cv2.minMaxLoc，如果不進(jìn)行任何預(yù)處理，可能會(huì)非常容易受到噪音干擾。
# 相反，最好先對圖像應(yīng)用高斯模糊以去除高頻噪聲。這樣，即使像素值非常大（同樣由于噪聲）也將被其鄰居平均。
# 在圖像上應(yīng)用高斯模糊消除高頻噪聲，然后尋找最亮的像素
# 高斯模糊的半徑取決于實(shí)際應(yīng)用和要解決的問題；
gray = cv2.GaussianBlur(gray, (args["radius"], args["radius"]), 0)
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
image = orig.copy()
cv2.circle(image, maxLoc, args["radius"], (255, 0, 0), 2)
# 展示效果顯著提升后的方法結(jié)果
cv2.imshow("Robust", image)
cv2.waitKey(0)
