OpenCV-Python(49):图像去噪

2024-01-20 21:04
文章标签 python opencv 图像去噪 49

本文主要是介绍OpenCV-Python(49):图像去噪,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目标

  • 学习使用非局部平均值去噪算法去除图像中的噪音
  • 学习函数cv2.fastNlMeansDenoising()、cv2.fastNlMeansDenoisingColored等

原理

        在前面的章节中我们已经学习了很多图像平滑技术,比如高斯平滑、中值平滑等。当噪声比较小时,这些技术的效果都是很好的。在这些技术中我们选取像素周围一个小的邻域然后用高斯平均值或者中值平均值取代中心像素。简单来说,像素级别的噪声去除是限制在局部领域的。

        噪声有一个性质。我们认为噪声是平均值唯一的随机变量。考虑一个带噪声的像素点p = p0 + n,其中p0 为像素的真实值,n 为这个像素的噪声。我们可以从不同图片中选取大量的相同像素(N)然后计算平均值。理想情况下我们会得到p = p0。因为噪声的平均值为0。

        通过简单的设置我们就可以去除这些噪声。将一个静态摄像头固定在一个位置连续拍摄几秒。这样我们就会得到足够多的图像帧或者同一场景的大量图像。写一段代码求求解些帧的平均值(这对你来说应该是小菜一碟)。将最终结果与第一帧图像对比一下。你会发现噪声减小了。不幸的是,种简单的方法对于摄像头和运动动场景并不总是适用。大多数情况下我们只有一张导游带有噪音的图像。

        想法很简单,我们需要一组相似的图片,通过取平均值的方法可以去除噪音。考虑图像中一个小的窗口(5x5)有很大可能图像中的其它区域也存在一个相似的窗口。有时这个相似窗口就在邻域周围。如果我们找到这些相似的窗口并取他们的平均值会怎样呢?对于特定的窗口这样做挺好的。如下图所示:

        上图中的蓝色窗口看起来是相似的。绿色窗口看看来也是相似的。所以我们可以选取包含目标像素的一个小窗口,然后在图像中搜索相似的窗口,最后求取所有窗口的平均值,并用这个值取代目标像素的值。这种方法就是非局部平均值去噪。与我们以前学习的平滑技术相比,种算法要消耗更多的时间,但是结果很好。你可以在更多资源中找到更多的细节和在线演示。对于彩色图像首先要转换到CIELAB 颜色空间,然后对L 和AB 成分分别去噪。 

OpenCV中的图像去噪

OpenCV 提供了这种技术的四个变本。

  1. cv2.fastNlMeansDenoising() 使用对象为灰度图。
  2. cv2.fastNlMeansDenoisingColored() 使用对象为彩色图。
  3. cv2.fastNlMeansDenoisingMulti() 适用于短时的图像序列(灰度图像)
  4. cv2.fastNlMeansDenoisingColoredMulti() 适用于短时的图像序列(彩色图像)

        共同参数有:

  • h : 决定过滤器强度。h 值高可以很好的去除噪声,但也会把图像的细节抹去。(取10 的效果不错)
  •  hForColorComponents : 与h 相同,但使用与彩色图像。
  • templateWindowSize : 奇数。(推荐值为7)
  • searchWindowSize : 奇数。(推荐值为21)

        下面演示一下2、3的效果:

和上面提到的一样,cv2.fastNlMeansDenoisingColored()可以用来去除彩色图像的噪声。假设是高斯噪声􈙺:

import numpy as np
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('die.png')
dst = cv2.fastNlMeansDenoisingColored(img,None,10,10,7,21)
plt.subplot(121),plt.imshow(img)
plt.subplot(122),plt.imshow(dst)
plt.show()

        下面是结果的放大图,我们的输入图像中含有方差为25 的噪声,下面是结果:

        现在我们使用cv2.fastNlMeansDenoisingMulti() 对一段视频使用这个方法。第一个参数是一个噪声帧的列表。第二个参数imgtoDenoiseIndex 设定哪些帧需要去噪,我们可以传入一个帧的索引。第三个参数temporaWindowSize 可以设置用于去噪的相邻帧的数目,它应该是一个奇数。在这种情况下temporaWindowSize 帧的图像会用于去噪,中间的帧就是要去噪的帧。例如,我们传入5 帧图像,imgToDenoiseIndex = 2 和temporalWindowSize = 3。那么第一帧、第二帧、第三帧图像将将用于第二帧图像的去噪。下面我们来看一个例子:

import numpy as np
import cv2
from matplotlib import pyplot as pltcap = cv2.VideoCapture('vtest.avi')
# create a list of first 5 frames
img = [cap.read()[1] for i in xrange(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()

        计算消耗了相当可观的时间。第一张图是原始图像,第二个是带噪音量图像,第三个是去噪之后的图像。 

 

 

这篇关于OpenCV-Python(49):图像去噪的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/627329

相关文章

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》:本文主要介绍在C#中调用Python代码的两种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调

Python下载Pandas包的步骤

《Python下载Pandas包的步骤》:本文主要介绍Python下载Pandas包的步骤,在python中安装pandas库,我采取的方法是用PIP的方法在Python目标位置进行安装,本文给大... 目录安装步骤1、首先找到我们安装python的目录2、使用命令行到Python安装目录下3、我们回到Py

Python GUI框架中的PyQt详解

《PythonGUI框架中的PyQt详解》PyQt是Python语言中最强大且广泛应用的GUI框架之一,基于Qt库的Python绑定实现,本文将深入解析PyQt的核心模块,并通过代码示例展示其应用场... 目录一、PyQt核心模块概览二、核心模块详解与示例1. QtCore - 核心基础模块2. QtWid