gpt4 book ai didi

opencv python 图像去噪的实现方法

转载 作者:qq735679552 更新时间:2022-09-27 22:32:09 36 4
gpt4 key购买 nike

CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章opencv python 图像去噪的实现方法由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.

在早先的章节里,我们看到很多图像平滑技术如高斯模糊,median模糊等,它们在移除数量小的噪音时在某种程度上比较好用。在这些技术里,我们取像素周围的一小部分邻居,做一些类似于高斯平均权重,中值等替换掉中间的元素。简单说,移除一个像素的噪音是基于本地邻居的.

噪音有一个属性,噪音一般被认为是具有零平均值的随机变量。假设一个像素噪音,p = p0 + n, 其中p0是像素的真实值,n是那个像素的噪音。你可以从不同图像取大量的同一个像素(n)并计算他们的平均值,理想情况下,你应该得到p=p0,因为均值是0. 。

你可以自己通过一个简单例子验证一下。保持一个静止的摄像机对准一个位置多呆几秒,这会给你很多帧,或者是对一个场景的很多图像。然后写一些代码来找到视频里所有帧的平均值。比较最终的结果和第一帧。你可以看到噪点被去掉了。不幸的是这个简单的方法对于摄像机和场景的运动来说就不健壮了。而且经常你也只有一个噪音图像可用.

image denoising 。

opencv提供了这种技术的四种变体.

  • cv2.fastnlmeansdenoising() - 使用单个灰度图像
  • cv2.fastnlmeansdenoisingcolored() - 使用彩色图像。
  • cv2.fastnlmeansdenoisingmulti() - 用于在短时间内捕获的图像序列(灰度图像)
  • cv2.fastnlmeansdenoisingcoloredmulti() - 与上面相同,但用于彩色图像。

common arguments

  1. h:参数决定滤波器强度。较高的h值可以更好地消除噪声,但也会删除图像的细节 (10 is ok)
  2. hforcolorcomponents:与h相同,但仅适用于彩色图像。 (通常与h相同)
  3. templatewindowsize:应该是奇数。 (recommended 7)
  4. searchwindowsize:应该是奇数。 (recommended 21)

cv2.fastnlmeansdenoisingcolored() 。

如上所述,它用于从彩色图像中去除噪声。 (噪音预计是高斯噪音) 。

python" id="highlighter_876528">
?
1
2
3
4
5
6
7
8
9
10
11
12
import numpy as np
import cv2
import matplotlib.pyplot as plt
 
 
img = cv2.imread( 'img.jpg' )
 
dst = cv2.fastnlmeansdenoisingcolored(img,none, 10 , 10 , 7 , 21 )
 
plt.subplot( 121 ),plt.imshow(img)
plt.subplot( 122 ),plt.imshow(dst)
plt.show()

opencv python 图像去噪的实现方法

cv2.fastnlmeansdenoisingmulti() 。

现在我们将相同的方法应用于视频。 第一个参数是嘈杂帧的列表。 第二个参数imgtodenoiseindex指定我们需要去噪的帧,因为我们在输入列表中传递了frame的索引。 第三个是temporalwindowsize,它指定了用于去噪的附近帧的数量。 在这种情况下,使用总共temporalwindowsize帧,其中中心帧是要去噪的帧。 例如,传递了5个帧的列表作为输入。 设imgtodenoiseindex = 2和temporalwindowsize = 3.然后使用frame-1,frame-2和frame-3对帧-2进行去噪 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import numpy as np
import cv2
import matplotlib.pyplot as plt
 
 
cap = cv2.videocapture( 'test.mp4' )
 
# create a list of first 5 frames
img = [cap.read()[ 1 ] for i in range ( 5 )]
 
# convert all to grayscale
gray = [cv2.cvtcolor(i, cv2.color_bgr2gray) for i in img]
 
# convert all to float64
gray = [np.float64(i) for i in gray]
 
# create a noise of variance 25
noise = np.random.randn( * gray[ 1 ].shape) * 10
 
# add this noise to images
noisy = [i + noise for i in gray]
 
# convert back to uint8
noisy = [np.uint8(np.clip(i, 0 , 255 )) for i in noisy]
 
# denoise 3rd frame considering all the 5 frames
dst = cv2.fastnlmeansdenoisingmulti(noisy, 2 , 5 , none, 4 , 7 , 35 )
 
plt.subplot( 131 ),plt.imshow(gray[ 2 ], 'gray' )
plt.subplot( 132 ),plt.imshow(noisy[ 2 ], 'gray' )
plt.subplot( 133 ),plt.imshow(dst, 'gray' )
plt.show()

opencv python 图像去噪的实现方法

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我.

原文链接:https://segmentfault.com/a/1190000015846441 。

最后此篇关于opencv python 图像去噪的实现方法的文章就讲到这里了,如果你想了解更多关于opencv python 图像去噪的实现方法的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

36 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com