二进制图像，带有OpenCV的白点浓度

Question

给定黑色的二进制图像，并带有一些零星的白色点，我正在寻找一种方法来“套索”边界矩形内的大部分白色点。 考虑这张图片：

看到不是所有的点都被包围，而是白点（或簇集）的白点明显比其他地方多吗？

我已经知道如何使用OpenCV 在所有白点周围放置边框 。 谁能指导我如何分析图像中的大量点 ，而忽略不属于组的任何外围点？

注意：此边界框不必倾斜。 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进行处理，则可能会起作用。

Answer 1

您需要一种1-cluster检测算法，其中离群值检测很重要。 通常，对聚类算法进行设计和调整，以产生多个集群。 其中的一部分（例如k均值）甚至不处理异常值。 如果决定使用真正的群集算法，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，您可以将您的问题视为度量最大化问题。

您想要一个既可以提高数据密度又可以提高包装盒尺寸的度量标准（因此最终不会得到1x1的包装盒）。 我提出以下建议：

metric_to_maximize = White_Dot_Density * Area^x ，其中x是临时校准的。

可行的另一个想法是将图像划分为mxn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矩形）。 围绕这些“好盒子”创建一个边界框，而不会包含过多的额外区域。