### 实现图像中亮点计数与标记 为了实现在图像中的亮点计数以及标记功能，可以利用OpenCV库处理图像并检测其中的高亮度区域。通过结合Qt框架创建图形界面应用，能够方便地展示处理后的图像。 #### 图像预处理 首先读取输入图片，并将其转换成灰度图以便后续操作更加高效。接着采用阈值化方法突出显示那些明显较亮的部分[^1]： ```cpp cv::Mat srcImage = cv::imread("input.jpg"); if(srcImage.empty()){ qDebug() << "Could not open or find the image"; } // Convert input image to grayscale. cv::cvtColor(srcImage, grayImage, CV_BGR2GRAY); // Apply thresholding on the source image to get binary output. double threshValue; cv::threshold(grayImage, binImage, threshValue, 255, cv::THRESH_BINARY | cv::THRESH_OTSU); ``` #### 提取轮廓特征 基于二值化的结果提取连通域作为候选目标对象。对于每一个闭合形状计算其几何属性比如面积大小、位置坐标等信息用于筛选符合条件的小斑点即所谓的“亮点”。 ```cpp std::vector<std::vector<cv::Point>> contours; std::vector<cv::Vec4i> hierarchy; findContours(binImage.clone(), contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); for(size_t i=0; i<contours.size(); ++i){ double area=cv::contourArea(contours[i]); if(area > minSpotSize && area < maxSpotSize){ // Define appropriate size range for spots moments.push_back(cv::moments(contours[i])); boundingRects.push_back(cv::boundingRect(contours[i])); } } ``` #### 结果可视化 最后一步是在原始彩色图像上绘制矩形框标注出识别到的目标物体的位置同时统计总数目。这可以通过遍历之前保存下来的边界框列表完成，在每个矩形中心处打印编号即可达到直观的效果。 ```cpp int count = 0; for(auto& rect : boundingRects){ rectangle(srcImage,rect,cv::Scalar(0,255,0)); putText(srcImage,std::to_string(++count), Point(rect.x+rect.width/2,rect.y+rect.height/2), FONT_HERSHEY_SIMPLEX,.8,cv::Scalar(255,0,0),2); } imshow("Detected Spots",srcImage); waitKey(); ``` 上述过程展示了如何借助于C++编程语言配合Qt和OpenCV工具包来实现对给定静态照片内发光源数量清点的任务流程。