如何精准检测SEM拍摄的金字塔结构表面图像的顶点？

这是一张SEM拍摄的表面图像，我需要尽可能精准地检测每个金字塔结构的顶点。尝试过角点检测方法，但顶点并未被识别为角点，请问还有哪些适用于该任务的方法？

之前尝试的代码：

params = dict(maxCorners=500,
              qualityLevel=0.01,
              minDistance=5,
              blockSize=10,
              useHarrisDetector=False)
corners = cv2.goodFeaturesToTrack(sharp_img, **params)

可行的替代检测方法 #

1. 边缘检测+霍夫直线求交点 #

• 先用Canny边缘检测提取金字塔的棱边，调整阈值保留完整的棱边信息
• 用霍夫直线变换检测所有棱边对应的直线，设置直线长度阈值过滤噪声
• 计算每三条直线的交点，筛选出落在金字塔区域内、且三条直线交点距离足够近的点，即为金字塔顶点

2. 局部极值点检测 #

• 对图像做顶帽变换增强亮区细节（金字塔顶点通常是图像中较亮的区域）
• 使用skimage.feature.peak_local_max函数，设置合适的最小距离、阈值参数，提取局部最亮的点，这些点就是目标顶点
• 也可以用膨胀操作结合原图做差，定位亮斑的中心位置

3. 轮廓拟合提取顶点 #

• 对图像二值化（结合自适应阈值处理SEM图像的明暗不均），提取每个金字塔的轮廓
• 用cv2.approxPolyDP对轮廓进行多边形拟合，调整拟合精度参数（epsilon），让多边形顶点匹配金字塔的实际顶点
• 对拟合后的多边形顶点做筛选，保留符合金字塔顶点数量（通常3或4个）的点

4. 改进角点检测参数 #

• 调整goodFeaturesToTrack的参数：降低qualityLevel到0.001左右，减小blockSize到3，开启Harris检测器并设置k=0.04
• 尝试Harris角点检测算法，或者SIFT/SURF这类关键点检测算法，它们对尖锐的顶点特征更敏感

内容的提问来源于stack exchange，提问作者link89