我正在尝试开发一种计算image中亮点数量的方法。这些斑点应该是高斯点源，但是会产生很多噪声。该图像中可能有大约10-20个实际点源。不过，我的第一个方法是使用sigma = 15的gaussian convolution，这似乎做得很好。
首先，有没有更好的方法来隔离这些亮点？
第二，如何“检测”亮点，即算出它们？我从opencv的循环hough转换中没有任何运气。
编辑：Here is the original without gridlines，here is the convolved image without gridlines。
答案 0 :(得分：0)
我正在处理红外热图像，该图像会受到大量噪声的干扰。
我发现基于低秩的方法，例如基于奇异值分解（SVD）或加权核规范（WNNM）的方法，在降低噪声的同时又保留了信息的结构，给出了非常有效的结果。 它们的主要缺点是计算速度很慢（每张图像需要几分钟） 这是一些文学作品：https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7067415
https://arxiv.org/abs/1705.09912
第二篇论文提供了一些MatLab代码，文件很多，但是到python的翻译并不那么复杂。
OpenCV也在非局部均值算法上实现了一个非常有效的算法（在python中可用）： https://docs.opencv.org/master/d5/d69/tutorial_py_non_local_means.html
