如何找到（弄清楚）图像的像素化部分
How to find(figure out) pixelated part of image
我想找到图像的像素化部分。
例如，
然后，我想通过边界框找到 "AREA" 的像素化。
起初，我认为 R-CNN 可能会有所帮助，但后来，我认为仅使用传统方法也可以解决这个问题，例如寻找图像熵的差异..等..
有什么方法可以解决这个问题吗？
谢谢。
真的只是大声思考...像素化区域是纯色区域，因此它们的方差和标准偏差非常低，因此，我们可以尝试使用 ImageMagick[=25= 进行一些实验] 包含在大多数 Linux 发行版中，可用于 macOS 和 Windows。
如果我们拍摄您的图像并转为灰度，然后计算每个像素周围 7x7 区域的标准差，然后反转以使标准差最低的区域变亮，然后归一化为全黑白色最亮像素的范围和阈值：
convert p.png -colorspace gray -statistic standarddeviation 7x7 -negate -normalize -threshold 99.99% result.png
稍微更改一下数字：
convert p.png -colorspace gray -statistic standarddeviation 3x3 -negate -normalize -threshold 99.9% result.png
我想找到图像的像素化部分。
例如，
然后，我想通过边界框找到 "AREA" 的像素化。
起初，我认为 R-CNN 可能会有所帮助，但后来，我认为仅使用传统方法也可以解决这个问题，例如寻找图像熵的差异..等..
有什么方法可以解决这个问题吗？
谢谢。
真的只是大声思考...像素化区域是纯色区域，因此它们的方差和标准偏差非常低，因此，我们可以尝试使用 ImageMagick[=25= 进行一些实验] 包含在大多数 Linux 发行版中，可用于 macOS 和 Windows。
如果我们拍摄您的图像并转为灰度，然后计算每个像素周围 7x7 区域的标准差，然后反转以使标准差最低的区域变亮，然后归一化为全黑白色最亮像素的范围和阈值：
convert p.png -colorspace gray -statistic standarddeviation 7x7 -negate -normalize -threshold 99.99% result.png
稍微更改一下数字：
convert p.png -colorspace gray -statistic standarddeviation 3x3 -negate -normalize -threshold 99.9% result.png