Python实现图像恒星检测时螺旋搜索的边界截断问题求助

问题背景 #

基于PIL实现恒星检测功能时，先通过螺旋搜索定位星点中心，再通过二次螺旋搜索标记高于阈值的星点像素，当前存在正方形螺旋路径适配椭圆形星点效果差、固定终止阈值无法适配不同尺寸星点的问题，待识别恒星示例如下：

原有核心实现代码：

for i in range(max(X, Y) ** 2):
    if (-X / 2 < x <= X / 2) and (-Y / 2 < y <= Y / 2):
        current_X = source_X + x
        current_Y = source_Y + y
        pixel_value = starfiel_gray.getpixel((current_X, current_Y))
        print(current_X, current_Y, pixel_value)
        if pixel_value > background_threshold:
            starmask.putpixel((current_X, current_Y), 255)
    if x == y or (x < 0 and x == -y) or (x > 0 and x == 1 - y):
        dx, dy = -dy, dx
    x, y = x + dx, y + dy

可行解决方案 #

• 方案1：采用环形占比终止判据
  抛弃原有的固定像素值终止逻辑，改为每次螺旋扩展一整圈后，统计该圈中亮度高于背景阈值的像素占比，当占比连续多圈低于预设的极小值（如2%）时终止搜索。该方案天然适配任意形状的星点，也无需提前固定星点尺寸，同时多圈判定的逻辑可以抵消初始中心未完全对准的误差。
• 方案2：替换为区域生长逻辑
  已经定位到星点中心的前提下，直接从中心出发做连通区域生长，标记所有和中心连通、亮度高于阈值的像素，完全不受星点形状限制，不会出现边缘截断问题。可以额外增加最大生长半径作为兜底，避免和周围噪声点误连通，逻辑比螺旋搜索更简单易维护。
• 方案3：优化螺旋搜索路径
  将正方形螺旋改为圆形螺旋，遍历坐标时判断x² + y² <= 当前搜索半径²即可，从路径层面适配接近圆形/椭圆形的星点，减少不必要的像素遍历，同时结合环形占比终止判据，进一步提升检测准确率。

优化代码示例 #

基于原有螺旋逻辑修改，增加环形统计终止条件：

# 可配置参数
min_bright_ratio = 0.02  # 单圈亮像素占比低于该值判定为背景层
max_allow_stop_ring = 2  # 连续2圈符合背景特征则终止搜索
max_possible_radius = 100 # 最大星点半径兜底，避免无限循环

# 运行时变量初始化
dx, dy = 1, 0
x, y = 0, 0
current_radius = 0
current_ring_bright_count = 0
stop_ring_counter = 0

while stop_ring_counter < max_allow_stop_ring and current_radius < max_possible_radius:
    # 像素读取与标记逻辑
    current_X = source_X + x
    current_Y = source_Y + y
    # 避免越界
    if 0 <= current_X < starfiel_gray.width and 0 <= current_Y < starfiel_gray.height:
        pixel_value = starfiel_gray.getpixel((current_X, current_Y))
        if pixel_value > background_threshold:
            starmask.putpixel((current_X, current_Y), 255)
            current_ring_bright_count += 1
    # 螺旋转向逻辑
    if x == y or (x < 0 and x == -y) or (x > 0 and x == 1 - y):
        dx, dy = -dy, dx
        # 判定是否完成一整圈（回到x轴正方向）
        if dx == 1 and dy == 0:
            current_radius += 1
            ring_total = 8 * current_radius
            bright_ratio = current_ring_bright_count / ring_total
            if bright_ratio < min_bright_ratio:
                stop_ring_counter += 1
            else:
                stop_ring_counter = 0
            # 重置当前圈计数器
            current_ring_bright_count = 0
    x, y = x + dx, y + dy

额外优化建议 #

如果需要处理大量星图，可以将PIL图像转换为numpy矩阵进行批量操作，比逐像素调用getpixel、putpixel的效率高10倍以上，检测速度提升明显。

内容的提问来源于stack exchange，提问作者kevin