第四章 星点提取算法：从图像到质心的完整链路
星敏感器这东西，说白了就是卫星的「眼睛」。它拍到的星空图像，我们得从中找到星星的位置。这个过程的专业叫法，就是星点提取。
我个人习惯把星点提取拆成三步走：图像预处理 → 连通域分析 → 质心定位。每一步都有坑，我踩过不少，今天一并讲清楚。
4.1 图像预处理：去噪与背景抑制
星敏感器拍到的原始图像，噪声其实挺多的。CMOS传感器的暗电流噪声、读出噪声，还有空间高能粒子带来的椒盐噪声……嗯，这些都会干扰星点提取。
4.1.1 去噪滤波
我常用的去噪方法有两种：
- 中值滤波：对椒盐噪声特别有效。窗口大小我一般选3×3或5×5，太大容易把星点抹平。
- 高斯滤波：适合处理高斯噪声。但要注意，高斯滤波会模糊星点边缘，影响后续质心精度。
这里有个经验：先中值滤波，再高斯滤波。我在项目中试过很多组合，这个顺序效果最稳。
核心原则：去噪不能过度。星点本身可能只有几个像素大小，滤波窗口太大，星点就没了。
4.1.2 背景抑制
星空背景不是均匀的。地气光、杂散光、甚至卫星本体反射的光，都会让背景有起伏。背景抑制的目的，就是把这种起伏去掉，只留下星点信号。
我常用的方法是背景估计与减除：
- 将图像分成若干小块（比如32×32像素）
- 统计每个块的灰度均值或中值
- 用双线性插值得到全图背景估计
- 原图减去背景估计
为什么用中值而不是均值？因为星点本身是亮斑，如果块内有星点，均值会被拉高，导致背景估计偏大。中值更鲁棒。
避坑指南：我曾经在强杂散光环境下，背景估计出现「块效应」——块与块之间有明显边界。后来改用重叠分块+加权插值，问题就解决了。
4.2 连通域分析：找到星点候选区域
预处理之后，图像里亮的地方就是星点候选。但怎么把每个星点单独拎出来？这就需要连通域分析。
4.2.1 二值化
先要把灰度图变成二值图。阈值怎么选？
- 固定阈值：简单，但适应性差。不同星等、不同曝光时间，阈值都得调。
- 自适应阈值：根据局部灰度统计动态计算。我常用的是「全局均值 + 3倍标准差」作为阈值。
说实话，阈值选择是星点提取里最玄学的部分。我一般会预留一个可调参数，在轨测试时根据实际图像微调。
4.2.2 连通域标记
二值图里，相邻的亮像素组成一个连通域。常用的算法有：
- 两遍扫描法：第一遍给每个像素临时标号，记录等价关系；第二遍合并等价标号。效率高，适合嵌入式实现。
- 种子填充法：递归或栈实现，简单但容易栈溢出。我一般不推荐在星上使用。
连通域分析后，我们会得到每个星点的像素集合。接下来就可以算质心了。
注意：连通域面积太小的（比如小于3像素）可能是噪声，直接丢弃。面积太大的（比如超过100像素）可能是热像素或卫星本体反射，也要排除。
4.3 质心定位：从像素到亚像素精度
星敏感器的精度要求通常是角秒级。如果只取像素中心，精度最多到像素级（比如1/2像素）。所以我们需要亚像素定位。
我常用的方法有两种：灰度重心法和高斯曲面拟合法。
4.3.1 灰度重心法
这个方法简单粗暴：把星点区域的灰度值当作「质量」，求加权平均位置。
// 灰度重心法计算质心
// (x0, y0) 为星点区域左上角坐标
// w, h 为区域宽高
// img 为灰度图像数据
float sum_x = 0.0f, sum_y = 0.0f, sum_g = 0.0f;
for (int j = 0; j < h; j++) {
for (int i = 0; i < w; i++) {
float g = (float)img[(y0 + j) * width + (x0 + i)];
sum_x += (x0 + i) * g;
sum_y += (y0 + j) * g;
sum_g += g;
}
}
float cx = sum_x / sum_g;
float cy = sum_y / sum_g;优点：计算快，适合嵌入式实时处理。
缺点：对噪声敏感，星点不对称时精度下降。
4.3.2 高斯曲面拟合法
星点的能量分布理论上符合高斯函数。我们可以用二维高斯模型去拟合星点区域，得到更精确的中心位置。
二维高斯模型：
G(x, y) = A * exp(-((x - x0)^2 / (2 * σx^2) + (y - y0)^2 / (2 * σy^2))) + B其中：
- A：星点峰值强度
- (x0, y0)：质心位置（我们要的就是这个）
- σx, σy：高斯宽度参数
- B：背景偏移
拟合方法我常用最小二乘法。具体实现时，可以先取对数，把非线性问题转化为线性问题，再用最小二乘求解。
精度对比：灰度重心法一般能达到0.1~0.2像素精度，高斯拟合法可以到0.01~0.05像素。但高斯拟合法计算量大约是重心法的10倍。
我在项目中遇到过这样的情况：星点太暗（信噪比低），高斯拟合会发散。这时候我会退回到灰度重心法，或者先做一次重心法得到初值，再用高斯拟合做一次精化。
4.4 本章知识体系
下面这张图，是我自己总结的星点提取完整流程。你可以把它当作一个检查清单：
4.5 工程实现要点
最后，我总结几个工程实现时的关键点：
| 环节 | 常见问题 | 我的建议 |
|---|---|---|
| 去噪 | 滤波过度导致星点丢失 | 先做星点检测，再局部滤波 |
| 背景抑制 | 块效应、背景估计不准 | 用重叠分块+中值统计 |
| 连通域 | 星点粘连、噪声误检 | 加形态学开运算分离粘连 |
| 质心定位 | 信噪比低时精度下降 | 重心法粗定位+高斯拟合精化 |
个人经验：星点提取的精度，70%取决于预处理，30%取决于质心算法。把预处理做好了，后面就轻松了。我曾经在一个项目里花了两周调质心算法，精度死活上不去。后来发现是背景抑制没做好，改完之后精度直接翻倍。
嗯，星点提取这部分就讲到这里。下一章我们会聊星图识别——怎么从一堆星点坐标里认出这是哪片星空。
公众号:蓝海资料掘金营，微信deep3321