二进制图像，OpenCV白点浓度

Question

给定一个黑色的二进制图像，带有一些零星的白点，我正在寻找一种方法，以及＃34; lasso＆＃34;边界矩形内的大多数白点。考虑这张图片：

看看所有的点是如何被包围的，只是那些明显比其他地方有更多白点的聚类（或聚类集合）？

我已经知道如何使用OpenCV put a bounding box around all of the white dots。任何人都可以指导我如何分析这个图像一个大点的点，忽略任何不属于一个群体的外围点？

N.B。：此边界框不必倾斜。即使是凸包也很好。作为输出。

我可以调整这些点的大小，颜色，alpha，位置，密度等。因此，如果您的想法涉及使用这些点来处理它们，那可能会有效。

Answer 1

您需要的是一种1-cluster检测算法，其中异常检测很重要。通常设计和调整聚类算法以产生多个聚类;其中一部分（例如k-means）甚至不处理异常值。如果您决定使用真正的聚类算法，请尝试DBSCAN并将其设置为检测1个群集 - 它具有异常检测能力。

否则，您可以将问题视为指标最大化问题。

您需要一个针对数据密度奖励的指标，但也需要奖励框大小（因此您最终不会得到1x1框）。我提出了类似的建议：

metric_to_maximize = White_Dot_Density * Area^x，其中x是专门校准的。

可能有用的另一个想法是将图像分成m×n个框矩形。计算每个盒子的平均密度。选择顶部x％（或具有density>threshold的所有矩形）。在这些“好盒子”周围创建一个边界框，而不包括太多的额外区域。