基于OpenCV實(shí)戰(zhàn)：3步實(shí)現(xiàn)圖像降噪
點(diǎn)擊上方“小白學(xué)視覺(jué)”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
在本文中，我們將展示如何通過(guò)三個(gè)簡(jiǎn)單的步驟來(lái)實(shí)現(xiàn)降噪。我們將使用機(jī)器學(xué)習(xí)訓(xùn)練的降噪模型，最好的降噪模型之一。
程序可以判斷圖像是否有噪點(diǎn)嗎？這應(yīng)該是一個(gè)很有創(chuàng)意的想法，因?yàn)槲覀兊慕翟肽Ｐ筒粔蛑悄埽瑹o(wú)法計(jì)算出噪聲。我們必須自己確定價(jià)值觀。在這種情況下，最好的方法通常是嘗試不同的值并找到最佳結(jié)果。經(jīng)過(guò)一些練習(xí)，我們將獲得更多經(jīng)驗(yàn)，并且找到最佳參數(shù)值將更加容易。
在這個(gè)項(xiàng)目中，我們將使用三個(gè)Python軟件包：OpenCV，Matplotlib和NumPy。OpenCV是一個(gè)非常知名的計(jì)算機(jī)視覺(jué)工具包。作為OpenCV庫(kù)的先決條件，我們將需要安裝NumPy。讀取圖像時(shí)，我們將像素轉(zhuǎn)換為數(shù)組。NumPy將在后臺(tái)進(jìn)行該操作。當(dāng)處理多維數(shù)組時(shí)，NumPy是無(wú)法替代的。
這是該項(xiàng)目的有見(jiàn)地的部分。首先，我們將分享將用于減少噪聲的算法。然后，我們將分享它具有多少個(gè)參數(shù)以及每個(gè)參數(shù)的含義。
圖片中的黃色區(qū)域看起來(lái)很像。另外，綠色的小區(qū)域看起來(lái)很相似。非局部均值去噪算法選擇一個(gè)像素，在其周?chē)∫粋€(gè)小窗口，掃描圖像中的相似窗口，對(duì)所有窗口取平均值，然后計(jì)算結(jié)果以替換該像素。該算法被稱(chēng)為非本地算法，因?yàn)樗阉髡麄€(gè)圖像以找到相互聯(lián)系，而不僅僅是在單個(gè)區(qū)域周?chē)?/p>
該算法包含兩個(gè)常用函數(shù)：fastNlMeansDenoising和fastNlMeansDenoisingColored。 第一個(gè)用于灰度圖像，第二個(gè)用于彩色照片。在我們的例子中，我們將使用彩色圖像。該函數(shù)的參數(shù)為src，dst，h，hcolor，templateWindowSize，和searchWindowSize。
src：我們要進(jìn)行降噪的輸入圖像。
dst：如果要導(dǎo)出結(jié)果，則為目的地。
h：亮度分量（較大的h值會(huì)消除更多的噪點(diǎn)，但也會(huì)降低圖像的質(zhì)量）。
hcolor：顏色分量（這10是彩色圖像文檔中的推薦值）。
templateWindowSize：該功能將平滑的區(qū)域的像素大小。它應(yīng)該是一個(gè)奇數(shù)整數(shù)。
searchWindowSize：該功能將找到并用作參考的區(qū)域的像素大小。它對(duì)性能產(chǎn)生線性影響：值越大，searchWindowSize表示去噪時(shí)間越長(zhǎng)。另外，它應(yīng)該是一個(gè)奇數(shù)整數(shù)（21是官方文檔推薦的值，因?yàn)樗m用于大多數(shù)嘈雜的圖像情況）。
我們必須安裝兩個(gè)庫(kù)才能使我們的程序正常運(yùn)行：numpy和opencv-python。我們可以使用PIP庫(kù)管理器將它們安裝在一行中：
pip install numpy opencv-python讓我們繼續(xù)創(chuàng)建一個(gè)新的Jupyter Notebook（但可以隨意使用所需的代碼編寫(xiě)環(huán)境）。這是我的第一個(gè)筆記本塊，我們?cè)谄渲袑?dǎo)入剛剛構(gòu)建的庫(kù)：
import cv2import numpy as np
在這一步中，我們將找到要用于降噪的圖片。為了更清楚地看到更改，它可能是嘈雜的圖片。也可以隨意使用常規(guī)圖像-仍然會(huì)出現(xiàn)平滑現(xiàn)象。
實(shí)驗(yàn)圖像：
讀取圖像:
img = cv2.imread("test_image.png")到目前為止看起來(lái)不錯(cuò)！現(xiàn)在，這是項(xiàng)目的有趣部分。我們將看到降噪后圖像的外觀。我們將使用三個(gè)不同的值運(yùn)行該函數(shù)，以查看每個(gè)值如何影響最終結(jié)果。隨意檢查第一步，以了解每個(gè)參數(shù)代表什么。
denoise_1 = cv2.fastNlMeansDenoisingColored(img,None,3,3,7,21)denoise_2 = cv2.fastNlMeansDenoisingColored(img,None,5,5,7,21)denoise_3 = cv2.fastNlMeansDenoisingColored(img,None,15,15,7,21)
去噪圖像分配給不同的變量。讓我們保存結(jié)果。我們將使用OpenCV的imwrite方法。如下是傳遞變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)
我們可以按順序看到它們。值越大，圖像變得越平滑。
— — 完 — —
交流群
歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺(jué)、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱(chēng)+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺(jué)SLAM“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~