二值图像，使用 OpenCV 的白点浓度
Binary Image, Concentrations of White Dots with OpenCV
给定一个黑色的二值图像，带有一些零星的白点，我正在寻找一种方法来 "lasso" 边界矩形内的大部分白点。考虑这张图片：
看看为什么没有 所有 个点都被包围起来，而只包含白点明显多于其他任何地方的簇（或一组簇）？
我已经知道如何 put a bounding box around all of the white dots 使用 OpenCV。任何人都可以指导我如何分析此图像的 大量集中的点 ，而忽略任何不属于一组的外围点？
N.B.: 这个边界框不必倾斜。即使是凸包也可以作为输出。
我可以调整这些点的大小、颜色、alpha、位置、密度等。因此，如果您的想法涉及对这些点进行处理以处理它们，那可能会奏效。
您需要的是一种单聚类检测算法，其中异常值检测很重要。聚类算法通常被设计和调整为产生多个聚类；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 个聚类 - 它具有离群值检测能力。
否则，您可以将您的问题视为度量最大化问题。
您想要一个既能因数据密度而受到奖励，又能因框大小而受到奖励的指标（因此您最终不会得到 1x1 框）。我提出以下建议：
metric_to_maximize = White_Dot_Density * Area^x，其中 x 是临时校准的。
另一个可行的想法是将图像分成 m x n 个矩形框。计算每个盒子的平均密度。选择顶部的 x%（或所有具有 density>threshold 的矩形）。在这些 "good boxes" 周围创建一个边界框，不要包含太多额外区域。
给定一个黑色的二值图像，带有一些零星的白点，我正在寻找一种方法来 "lasso" 边界矩形内的大部分白点。考虑这张图片：
看看为什么没有 所有 个点都被包围起来，而只包含白点明显多于其他任何地方的簇（或一组簇）？
我已经知道如何 put a bounding box around all of the white dots 使用 OpenCV。任何人都可以指导我如何分析此图像的 大量集中的点 ，而忽略任何不属于一组的外围点？
N.B.: 这个边界框不必倾斜。即使是凸包也可以作为输出。
我可以调整这些点的大小、颜色、alpha、位置、密度等。因此，如果您的想法涉及对这些点进行处理以处理它们，那可能会奏效。
您需要的是一种单聚类检测算法，其中异常值检测很重要。聚类算法通常被设计和调整为产生多个聚类；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 个聚类 - 它具有离群值检测能力。
否则，您可以将您的问题视为度量最大化问题。
您想要一个既能因数据密度而受到奖励，又能因框大小而受到奖励的指标（因此您最终不会得到 1x1 框）。我提出以下建议：
metric_to_maximize = White_Dot_Density * Area^x，其中 x 是临时校准的。
另一个可行的想法是将图像分成 m x n 个矩形框。计算每个盒子的平均密度。选择顶部的 x%（或所有具有 density>threshold 的矩形）。在这些 "good boxes" 周围创建一个边界框，不要包含太多额外区域。