能否使用Harris角点检测器实现太空图像去噪（剔除恒星）？

你提到的方案是可行的。恒星在深空图像中多表现为高对比度的小尺寸亮斑，边缘灰度梯度变化剧烈，刚好符合Harris角点的检测特征，你可以基于检测到的角点坐标，合并替换周边像素实现恒星剔除的去噪效果。

现有代码问题修正 #

• 首先要修复变量名不统一的问题：你的代码中混用Home和casa两个变量名，图像读取后存放在Home变量中，后续调用casa.copy()会触发未定义变量报错，需要先统一命名规则。
• 目前代码仅实现了角点标记功能，没有做后续的邻域像素合并处理：需要先提取角点掩码，再对掩码覆盖的区域做像素替换，才能实现去噪效果。
• 检测参数可以按需调整：可以根据图像中恒星的大小调整blockSize参数，根据误检率调整阈值系数和k值，优化检测准确率。

可直接运行的改进代码 #

import cv2
import numpy as np 

# 读取原始图像并备份
img = cv2.imread("casa.jpg")
img_original = img.copy()
# 转换为灰度图用于角点检测
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Harris角点检测逻辑
gray_float = np.float32(img_gray)
dst = cv2.cornerHarris(gray_float, blockSize=4, ksize=3, k=0.14)
# 膨胀检测结果，扩大覆盖范围匹配恒星的实际尺寸
dst = cv2.dilate(dst, None)
# 生成角点区域掩码
corner_mask = dst > 0.01 * dst.max()

# 实现邻域像素合并去噪：这里采用中值滤波生成背景，替换角点区域像素
kernel_size = 5
bg_img = cv2.medianBlur(img_original, kernel_size)
img[corner_mask] = bg_img[corner_mask]

# 结果展示
cv2.imshow("原始图像", img_original)
cv2.imshow("恒星剔除后图像", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

检测效果参考 #

内容的提问来源于stack exchange，提问作者Joaquín Octavio Berlo