通过opencvsharp以11X11核找出核内像素较高密度较高的点

可以通过以下步骤使用 OpenCVSharp 来实现：

1. 使用 `Cv2.Blur()` 方法对图像进行模糊处理，以减少噪声的影响。

2. 使用 `Cv2.Filter2D()` 方法对图像进行卷积操作，使用一个11x11的核，来计算每个像素的密度。

3. 对于每个像素，判断其密度是否高于阈值，并且是否是局部最大值。如果是，则将该点标记为目标点。

4. 返回所有被标记为目标点的像素坐标。

以下是一个简单的示例代码，可供参考：

using OpenCvSharp;

public List<Point> FindHighDensityPoints(Mat image, double threshold)
{
    var result = new List<Point>();

    // 模糊处理
    Cv2.Blur(image, image, new Size(3, 3));

    // 定义11x11的核
    var kernel = Mat.Ones(11, 11, MatType.CV_32F);

    // 对图像进行卷积操作
    var convolved = new Mat();
    Cv2.Filter2D(image, convolved, MatType.CV_32F, kernel);

    // 计算每个像素的密度
    var densities = new Mat();
    Cv2.Divide(convolved, kernel.Sum(), densities);

    // 判断每个像素是否为目标点
    for (int y = 5; y < image.Rows - 5; y++)
    {
        for (int x = 5; x < image.Cols - 5; x++)
        {
            var density = densities.At<float>(y, x);

            if (density >= threshold)
            {
                bool isMax = true;

                // 判断是否为局部最大值
                for (int j = y - 5; j <= y + 5; j++)
                {
                    for (int i = x - 5; i <= x + 5; i++)
                    {
                        if (densities.At<float>(j, i) > density)
                        {
                            isMax = false;
                            break;
                        }
                    }

                    if (!isMax)
                        break;
                }

                // 如果是局部最大值，则标记为目标点
                if (isMax)
                    result.Add(new Point(x, y));
            }
        }
    }

    return result;
}