Выбор пикселей с наибольшей интенсивностью в OpenCV

это простой, но неэффективный/глупый способ сделать это:

for i=1:100
  get brightest pixel using cvMinMaxLoc 
  store location
  set it to a value of zero
end

если вы не возражаете против эффективности, это должно сработать.

вы также должны проверить cvInRangeS, чтобы найти другие пиксели с похожими значениями, определяющими низкие и высокие пороги.

Вам нужно вычислить порог яркости из гистограммы. Затем вы перебираете пиксели, чтобы получить те позиции, которые достаточно яркие, чтобы удовлетворить порог. Вместо этого приведенная ниже программа применяет порог к изображению и отображает результат в демонстрационных целях:

#!/usr/bin/env python3

import sys
import cv2
import matplotlib.pyplot as plt

if __name__ == '__main__':
    if len(sys.argv) != 2 or any(s in sys.argv for s in ['-h', '--help', '-?']):
        print('usage: {} <img>'.format(sys.argv[0]))
        exit()
    img = cv2.imread(sys.argv[1], cv2.IMREAD_GRAYSCALE)
    hi_percentage = 0.01 # we want we the hi_percentage brightest pixels
    # * histogram
    hist = cv2.calcHist([img], [0], None, [256], [0, 256]).flatten()
    # * find brightness threshold
    # here: highest thresh for including at least hi_percentage image pixels,
    #       maybe you want to modify it for lowest threshold with for including
    #       at most hi_percentage pixels
    total_count = img.shape[0] * img.shape[1]  # height * width
    target_count = hi_percentage * total_count # bright pixels we look for
    summed = 0
    for i in range(255, 0, -1):
        summed += int(hist[i])
        if target_count <= summed:
            hi_thresh = i
            break
    else:
        hi_thresh = 0
    # * apply threshold & display result for demonstration purposes:
    filtered_img = cv2.threshold(img, hi_thresh, 0, cv2.THRESH_TOZERO)[1]
    plt.subplot(121)
    plt.imshow(img, cmap='gray')
    plt.subplot(122)
    plt.imshow(filtered_img, cmap='gray')
    plt.axis('off')
    plt.tight_layout()
    plt.show()

Версия C++, основанная на некоторых других опубликованных идеях:

// filter the brightest n pixels from a grayscale img, return a new mat
cv::Mat filter_brightest( const cv::Mat& src, int n ) {

    CV_Assert( src.channels() == 1 );
    CV_Assert( src.type() == CV_8UC1 );

    cv::Mat result={};

    // simple histogram
    std::vector<int> histogram(256,0); 
    for(int i=0; i< int(src.rows*src.cols); ++i) 
        histogram[src.at<uchar>(i)]++;

    // find max threshold value (pixels from [0-max_threshold] will be removed)
    int max_threshold = (int)histogram.size() - 1;
    for ( ; max_threshold >= 0 && n > 0; --max_threshold ) {
        n -= histogram[max_threshold];
    }

    if ( max_threshold < 0 )  // nothing to do
        src.copyTo(result);
    else     
        cv::threshold(src, result, max_threshold, 0., cv::THRESH_TOZERO);

    return result;
}

Пример использования: попасть в топ 1%

auto top1 = filter_brightest( img, int((img.rows*img.cols) * .01) );

Вместо этого попробуйте использовать cvThreshold.

Что ж, самый логичный способ — перебрать всю картинку, а затем получить значения max и min пикселей. Затем выберите порог, который даст вам желаемый процент (1% в вашем случае). После этого повторите еще раз и сохраните координаты i и j каждого пикселя выше заданного порога. Таким образом, вы будете перебирать матрицу только два раза вместо 100 (или 1% раз от пикселей), выбирая самые яркие и удаляя их.

Маты OpenCV представляют собой многомерные массивы. Серое изображение представляет собой двумерный массив со значениями от 0 до 255. Вы можете перебирать матрицу следующим образом. for(int i=0;i < mat.height();i++) for(int j=0;j < mat.width();j++) mat[i][j];