图像可能在生成、传输或者采集过程中夹带了噪声，去噪声是图像处理中常用的手法。通常去噪声用滤波的方法，比如中值滤波、均值滤波。但是那样的算法不适合用在处理字符这样目标狭长的图像中，因为在滤波的过程中很有可能会去掉字符本身的像素。
一个采用的是去除杂点的方法来进行去噪声处理的。具体算法如下：扫描整个图像，当发现一个黑色点的时候，就考察和该黑色点间接或者直接相连接的黑色点的个数有多少，如果大于一定的值，那就说明该点不是离散点，否则就是离散点，把它去掉。在考察相连的黑色点的时候用的是递归的方法。此处，我简单的用python实现了,大家可以参考以下。
|
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
33
34
35
36
37
38
39
40
41
42
43
|
#coding=utf-8"""造物奇迹QQ2737499951"""import cv2import numpy as npfrom matplotlib import pyplot as pltfrom PIL import Image,ImageEnhance,ImageFilter img_name = 'test.jpg'#去除干扰线im = Image.open(img_name)#图像二值化enhancer = ImageEnhance.Contrast(im)im = enhancer.enhance(2)im = im.convert('1')data = im.getdata()w,h = im.size#im.show()black_point = 0for x in xrange(1,w-1): for y in xrange(1,h-1): mid_pixel = data[w*y+x] #中央像素点像素值 if mid_pixel == 0: #找出上下左右四个方向像素点像素值 top_pixel = data[w*(y-1)+x] left_pixel = data[w*y+(x-1)] down_pixel = data[w*(y+1)+x] right_pixel = data[w*y+(x+1)] #判断上下左右的黑色像素点总个数 if top_pixel == 0: black_point += 1 if left_pixel == 0: black_point += 1 if down_pixel == 0: black_point += 1 if right_pixel == 0: black_point += 1 if black_point >= 3: im.putpixel((x,y),0) #print black_point black_point = 0im.show() |
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://blog.csdn.net/qq_41895190/article/details/82781077
