使用Python中的OpenCV降噪功能增强图像的3个步骤

小白学视觉

共 3399字,需浏览 7分钟

 ·

2021-04-02 10:19

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

在本文中,我们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。这是我们找到的最好的降噪模型之一。


程序可以判断图像是否有噪点吗?这对于另一个项目可能是个主意,因为我们的降噪模型不够智能,无法计算出噪声。因此我们必须自己确定。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,我们会获得更多经验,并且找到最佳参数值。


介绍


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是足够的。


降噪模型


这是该项目非常有趣的部分。首先,我将分享我们将用于减少噪声的算法。然后,我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,绿色的小区域也看起来很相似。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,扫描图像以获得相似的窗口,对所有窗口求平均,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。那不是很酷吗?


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1: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 cv2import numpy as np


 


步骤2:导入图像


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。

这是我们所使用的图像:

这是读取图像的行。我们正在使用OpenCV的imread方法:

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


现在,我们进入第三步,也是最后一步,我们将在实际操作中看到降噪效果。


步骤3:对影像进行除噪


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,3,3,7,21denoise_2 = cv2.fastNlMeansDenoisingColored(img,None,5,5,7,21denoise_3 = cv2.fastNlMeansDenoisingColored(img,None,15,15,157,21


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。如您所见,我们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)


比较结果

我们可以按顺序看到它们。值越大,图像变得越平滑。

这是一张查看前后变化的图片。我选择了denoise_1我的最终结果。

恭喜你!我们开发了一种程序,可以将图像的噪点降低不同程度。还有许多其他图像缩小算法。小伙伴可以尝试一下,然后选择自己喜欢的。根据我们的经验,它们不如我们在本文中使用的那样强大,即非局部均值降噪算法。一些降噪算法也称为模糊算法。


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 30
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报