服务器之家

服务器之家 > 正文

opencv python 图像去噪的实现方法

时间:2021-03-31 00:13     来源/作者:sakurala

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服务器之家。

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

相关文章

热门资讯

2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
Intellij idea2020永久破解,亲测可用!!!
Intellij idea2020永久破解,亲测可用!!! 2020-07-29
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总 2020-11-13
返回顶部