opencv python 圖像去噪

XGBCCC 發(fā)布于2019-07-30 17:38 / 3351人閱讀

摘要：較高的值可以更好地消除噪聲，但也會刪除圖像的細(xì)節(jié)與相同，但僅適用于彩色圖像。如上所述，它用于從彩色圖像中去除噪聲。第三個是，它指定了用于去噪的附近幀的數(shù)量。在這種情況下，使用總共幀，其中中心幀是要去噪的幀。

Image Denoising

OpenCV提供了這種技術(shù)的四種變體。

cv2.fastNlMeansDenoising（） - 使用單個灰度圖像

cv2.fastNlMeansDenoisingColored（） - 使用彩色圖像。

cv2.fastNlMeansDenoisingMulti（） - 用于在短時間內(nèi)捕獲的圖像序列（灰度圖像）

cv2.fastNlMeansDenoisingColoredMulti（） - 與上面相同，但用于彩色圖像。

Common arguments:

h：參數(shù)決定濾波器強度。較高的h值可以更好地消除噪聲，但也會刪除圖像的細(xì)節(jié) (10 is ok)

hForColorComponents：與h相同，但僅適用于彩色圖像。（通常與h相同）

templateWindowSize：應(yīng)該是奇數(shù)。（recommended 7）

searchWindowSize：應(yīng)該是奇數(shù)。（recommended 21）

cv2.fastNlMeansDenoisingColored()
如上所述，它用于從彩色圖像中去除噪聲。（噪音預(yù)計是高斯噪音）

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()

cv2.fastNlMeansDenoisingMulti（）

現(xiàn)在我們將相同的方法應(yīng)用于視頻。第一個參數(shù)是嘈雜幀的列表。第二個參數(shù)imgToDenoiseIndex指定我們需要去噪的幀，因為我們在輸入列表中傳遞了frame的索引。第三個是temporalWindowSize，它指定了用于去噪的附近幀的數(shù)量。在這種情況下，使用總共temporalWindowSize幀，其中中心幀是要去噪的幀。例如，傳遞了5個幀的列表作為輸入。設(shè)imgToDenoiseIndex = 2和temporalWindowSize = 3.然后使用frame-1，frame-2和frame-3對幀-2進(jìn)行去噪

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()