OpenCV 实战:3 步实现图像降噪

Posted AI科技大本营

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV 实战:3 步实现图像降噪相关的知识,希望对你有一定的参考价值。

来源 | 小白视觉志
头图 | 下载于视觉中国


本文将展示如何通过三个简单的步骤来实现降噪。我们将使用机器学习训练的降噪模型,最好的降噪模型之一。

程序可以判断图像是否有噪点吗?这应该是一个很有创意的想法,因为我们的降噪模型不够智能,无法计算出噪声。我们必须自己确定价值观。在这种情况下,最好的方法通常是尝试不同的值并找到最佳结果。经过一些练习,我们将获得更多经验,并且找到最佳参数值将更加容易。

导读:

在这个项目中,我们将使用三个Python软件包:OpenCV,Matplotlib和NumPy。OpenCV是一个非常知名的计算机视觉工具包。作为OpenCV库的先决条件,我们将需要安装NumPy。读取图像时,我们将像素转换为数组。NumPy将在后台进行该操作。当处理多维数组时,NumPy是无法替代的。

降噪模型:

这是该项目的有见地的部分。首先,我们将分享将用于减少噪声的算法。然后,我们将分享它具有多少个参数以及每个参数的含义。

图片中的黄色区域看起来很像。另外,绿色的小区域看起来很相似。非局部均值去噪算法选择一个像素,在其周围取一个小窗口,扫描图像中的相似窗口,对所有窗口取平均值,然后计算结果以替换该像素。该算法被称为非本地算法,因为它搜索整个图像以找到相互联系,而不仅仅是在单个区域周围。

该算法包含两个常用函数:fastNlMeansDenoising和fastNlMeansDenoisingColored。 第一个用于灰度图像,第二个用于彩色照片。在我们的例子中,我们将使用彩色图像。该函数的参数为src、dst、h、hcolor、templateWindowSize,和searchWindowSize。

  • src:我们要进行降噪的输入图像。

  • dst:如果要导出结果,则为目的地。

  • h:亮度分量(较大的h值会消除更多的噪点,但也会降低图像的质量)。

  • hcolor:颜色分量(这10是彩色图像文档中的推荐值)。

  • templateWindowSize:该功能将平滑的区域的像素大小。它应该是一个奇数整数。

  • searchWindowSize:该功能将找到并用作参考的区域的像素大小。它对性能产生线性影响:值越大,searchWindowSize表示去噪时间越长。另外,它应该是一个奇数整数(21是官方文档推荐的值,因为它适用于大多数嘈杂的图像情况)。

 步骤一、安装软件包 

我们必须安装两个库才能使我们的程序正常运行:numpy和opencv-python。我们可以使用PIP库管理器将它们安装在一行中:

pip install numpy opencv-python

让我们继续创建一个新的Jupyter Notebook(但可以随意使用所需的代码编写环境)。这是我的第一个笔记本块,我们在其中导入刚刚构建的库:

import cv2 import numpy as np

 步骤二、导图图像 

在这一步中,我们将找到要用于降噪的图片。为了更清楚地看到更改,它可能是嘈杂的图片。也可以随意使用常规图像-仍然会出现平滑现象。

实验图像:

读取图像:

img = cv2.imread("test_image.png")

 步骤三、对影像进行降噪 

到目前为止看起来不错!现在,这是项目的有趣部分。我们将看到降噪后图像的外观。我们将使用三个不同的值运行该函数,以查看每个值如何影响最终结果。随意检查第一步,以了解每个参数代表什么。

denoise_1 = cv2.fastNlMeansDenoisingColored(img,None,3,3,7,21) denoise_2 = cv2.fastNlMeansDenoisingColored(img,None,5,5,7,21) denoise_3 = cv2.fastNlMeansDenoisingColored(img,None,15,15,7,21)

去噪图像分配给不同的变量。让我们保存结果。我们将使用OpenCV的imwrite方法。如下是传递变量和要保存的文件名。

cv2.imwrite('image_1.png', denoise_1) cv2.imwrite('image_2.png', denoise_2) cv2.imwrite('image_3.png', denoise_3)

 降噪效果分析 

我们可以按顺序看到它们。值越大,图像变得越平滑。


  更多精彩推荐  Mendix 披露低代码方法论,解读真实技术趋势
张一鸣卸任CEO,立下10年之约,期望突破线性延伸王炸不断,半导体巨头们到底在打什么牌
Python 爬影评,《悬崖之上》好看在哪里点分享点收藏点点赞点在看

以上是关于OpenCV 实战:3 步实现图像降噪的主要内容,如果未能解决你的问题,请参考以下文章

python的opencv实现降噪

OpenCV 例程200篇100. 自适应局部降噪滤波器

Python图片验证码降噪 — 8邻域降噪

opencv实战:餐盘图像矫正

OpenCV实战——实现高效图像扫描循环

OpenCV实战——基于GrabCut算法的图像分割