OpenCV /图像处理技术，用于查找图像中亮点的中心

Question

我目前正在做一个基于本文所述方法的项目： Camera calibration from a single night sky image

作为计算机视觉的初学者，我不太明白如何实现论文中使用的方法来找到图像中所有亮点（灯具）的中心，特别是4.1节中的段落： / p>

  

大小为15×15像素的周围斑块（图1（a）），由给定因子（图1（c））上采样，并计算相应的梯度图（图1（d））。从最亮区域开始，降低灰度值阈值，直到能量函数最大化。能量函数定义为边界梯度的总和，并通过边界长度标准化（图1（e））。这导致图1（f）中所示的分段星形图像。分割确保加权重心算法[11]给出稳健的估计。

根据我的理解，我认为我可以对上采样图像执行拉普拉斯/索贝尔梯度函数，但之后我不太确定如何执行能量函数部分并生成分割图像。另外我还想了解如何使用openCV或其他python库实现加权重心算法来找到亮点的中心。

非常感谢，如果你们中的任何人能为此提供一些启示。

谢谢和问候。

Answer 1

要带走的主要内容是energy function在此上下文中使用任何函数，用于最大化问题。这里，能量函数是梯度/导数/差异的总和（即在这种情况下“检测到的边界可能性”）。

由于您似乎有非算法背景，我建议您阅读breadth-first search（请记住，图像是一种非常特殊的图形，其中每个边都是一个像素，连接到相邻的图像）， recursion和floodfill。

1. 向上/向下缩放图像
2. 运行水平和垂直Sobel滤镜。将结果图像合并到grad_img = max_per_pixel（sobel_horiz，sobel_vert）。
3. 对于每个15x15像素的补丁，找到最亮的点。这是明星的seed。
4. 从包含region的1x1 seed开始。继续向region添加相邻像素（建议使用广度优先遍历）。通过grad_img中像素值的总和以及region 的边框的像素坐标来计算能量。如果能量高于前一次迭代的能量，则新像素将添加到region。如果不是，则拒绝该像素。
5. 找到闭合轮廓或像素集合的重心并不是一项艰巨的任务。要么通过它的数学定义（所有区域内像素的x和y坐标之和除以区域），要么通过使用图像矩（cv :: moments example）来做到。 / LI>

   我的解决方案与他们的解决方案略有不同。它们实际上运行填充算法，填充所有像素的亮度[阈值; 255]，计算能量函数，降低阈值，冲洗和重复，在最大化能量函数时停止。请注意，他们的算法非常低效，因为与我的提案中的1次填充相比，每个预先检测到的恒星有效地进行了多达255次的填充，这可能是实际中的性能问题。