我正在使用openCV和Python来制作一个计算机视觉应用程序，用于检测热像仪图像中的热点。
图像基本上是一个大型机器，我想获得图像中最热（就温度而言）的部分。
我到现在为止想到的：
- 使用颜色量化（和 K 均值）将颜色数减少到 8。
- 使用某种阈值并获取具有最多红色的集群（因为通常红色=更多热量）。
现在我已经成功地完成了第一部分。我有一个仅包含 8 种颜色的量化图像。
到目前为止，我所做的所有阈值都需要我自己放置颜色范围（即使用cv2.inRange函数创建桅杆，然后使用cv2.bitwiseAND将蒙版应用于图像）。但在这里，我希望它是动态的，这样它就会得到最热的部分，也就是说，即使红色很少，它也应该让我成为红色最多的区域。
那么有什么方法可以做到这一点呢？
（另外，这里的"热点"是指实际的热点。即具有最高温度的斑点。
编辑：正如Photon的评论所提到的，目前我正在计算红色的直方图并使用它来设置阈值。
我希望进一步优化这一点，所以如果存在更有效的方法，请告诉我。（这个过程应该很快。我可以在一定程度上在准确性上妥协）
为了动态估计阈值，您需要查看数据的分布。 为此，您需要计算红色的直方图。然后，找到一个阈值，使一定百分比的像素低于该阈值。 例如 90%。