基于OpenCV實戰(zhàn)：3步實現(xiàn)圖像降噪
點擊上方“小白學視覺”，選擇加"星標"或“置頂”
重磅干貨，第一時間送達
在本文中，我們將展示如何通過三個簡單的步驟來實現(xiàn)降噪。我們將使用機器學習訓練的降噪模型，最好的降噪模型之一。
程序可以判斷圖像是否有噪點嗎？這應(yīng)該是一個很有創(chuàng)意的想法，因為我們的降噪模型不夠智能，無法計算出噪聲。我們必須自己確定價值觀。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)過一些練習，我們將獲得更多經(jīng)驗，并且找到最佳參數(shù)值將更加容易。
在這個項目中，我們將使用三個Python軟件包：OpenCV，Matplotlib和NumPy。OpenCV是一個非常知名的計算機視覺工具包。作為OpenCV庫的先決條件，我們將需要安裝NumPy。讀取圖像時，我們將像素轉(zhuǎn)換為數(shù)組。NumPy將在后臺進行該操作。當處理多維數(shù)組時，NumPy是無法替代的。
這是該項目的有見地的部分。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參數(shù)以及每個參數(shù)的含義。
圖片中的黃色區(qū)域看起來很像。另外，綠色的小區(qū)域看起來很相似。非局部均值去噪算法選擇一個像素，在其周圍取一個小窗口，掃描圖像中的相似窗口，對所有窗口取平均值，然后計算結(jié)果以替換該像素。該算法被稱為非本地算法，因為它搜索整個圖像以找到相互聯(lián)系，而不僅僅是在單個區(qū)域周圍。
該算法包含兩個常用函數(shù)：fastNlMeansDenoising和fastNlMeansDenoisingColored。 第一個用于灰度圖像，第二個用于彩色照片。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值會消除更多的噪點，但也會降低圖像的質(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。它對性能產(chǎn)生線性影響：值越大，searchWindowSize表示去噪時間越長。另外，它應(yīng)該是一個奇數(shù)整數(shù)（21是官方文檔推薦的值，因為它適用于大多數(shù)嘈雜的圖像情況）。
我們必須安裝兩個庫才能使我們的程序正常運行：numpy和opencv-python。我們可以使用PIP庫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)建一個新的Jupyter Notebook（但可以隨意使用所需的代碼編寫環(huán)境）。這是我的第一個筆記本塊，我們在其中導(dǎo)入剛剛構(gòu)建的庫：
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-仍然會出現(xiàn)平滑現(xiàn)象。
實驗圖像：
讀取圖像:
img = cv2.imread("test_image.png")到目前為止看起來不錯！現(xiàn)在，這是項目的有趣部分。我們將看到降噪后圖像的外觀。我們將使用三個不同的值運行該函數(shù)，以查看每個值如何影響最終結(jié)果。隨意檢查第一步，以了解每個參數(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
歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~