OpenCV系列之图像去噪 | 五十八
目标
在本章中,
你将学习用于去除图像中噪声的非局部均值去噪算法。
你将看到不同的函数,例如cv.fastNlMeansDenoising(),cv.fastNlMeansDenoisingColored()等。
理论
在前面的章节中,我们已经看到了许多图像平滑技术,例如高斯模糊,中值模糊等,它们在某种程度上可以消除少量噪声。在这些技术中,我们在像素周围采取了一个较小的邻域,并进行了一些操作,例如高斯加权平均值,值的中位数等来替换中心元素。简而言之,在像素处去除噪声是其周围的局部现象。
有噪声的性质。
通常认为噪声是零均值的随机变量。考虑一个有噪声的像素,,其中是像素的真实值,n是该像素中的噪声。你可以从不同的图像中获取大量相同的像素(例如N)并计算其平均值。理想情况下,由于噪声的平均值为零,因此应该得到。
你可以通过简单的设置自己进行验证。将静态相机固定在某个位置几秒钟。这将为你提供很多帧或同一场景的很多图像。然后编写一段代码,找到视频中所有帧的平均值(这对你现在应该太简单了)。
比较最终结果和第一帧。你会看到噪声减少。不幸的是,这种简单的方法对摄像机和场景的运动并不稳健。通常,只有一张嘈杂的图像可用。
因此想法很简单,我们需要一组相似的图像来平均噪声。考虑图像中的一个小窗口(例如5x5窗口)。
很有可能同一修补程序可能位于图像中的其他位置。有时在它周围的一个小社区中。一起使用这些相似的补丁并找到它们的平均值怎么办?对于那个特定的窗口,这很好。请参阅下面的示例图片:
图像中的蓝色补丁看起来很相似。绿色补丁看起来很相似。因此,我们获取一个像素,在其周围获取一个小窗口,在图像中搜索相似的窗口,对所有窗口求平均,然后用得到的结果替换该像素。此方法是“非本地均值消噪”。与我们之前看到的模糊技术相比,它花费了更多时间,但是效果非常好。更多信息和在线演示可在其他资源的第一个链接中找到。
对于彩色图像,图像将转换为CIELAB色彩空间,然后分别对L和AB分量进行降噪。
OpenCV中的图像去噪
OpenCV提供了此方法的四个变体。
1.cv.fastNlMeansDenoising()-处理单个灰度图像
2.cv.fastNlMeansDenoisingColored()-处理彩色图像。
3.cv.fastNlMeansDenoisingMulti()-处理在短时间内捕获的图像序列(灰度图像)
4.cv.fastNlMeansDenoisingColoredMulti()-与上面相同,但用于彩色图像。
常用参数为:
h:决定滤波器强度的参数。较高的h值可以更好地消除噪点,但同时也可以消除图像细节。(可以设为10)
hForColorComponents:与h相同,但仅用于彩色图像。(通常与h相同)
templateWindowSize:应为奇数。(建议设为7)
searchWindowSize:应为奇数。(建议设为21)
请访问其他资源中的第一个链接,以获取有关这些参数的更多详细信息。
我们将在此处演示2和3。剩下的留给你。
1.cv.fastNlMeansDenoisingColored()
如上所述,它用于消除彩色图像中的噪点。(噪声可能是高斯的)。请参阅以下示例:
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('die.png')
dst = cv.fastNlMeansDenoisingColored(img,None,10,10,7,21)
plt.subplot(121),plt.imshow(img)
plt.subplot(122),plt.imshow(dst)
plt.show()
以下是结果的放大版本。我的输入图像的高斯噪声为σ= 25。查看结果:
2.cv.fastNlMeansDenoisingMulti()
现在,我们将对视频应用相同的方法。第一个参数是噪声帧列表。第二个参数imgToDenoiseIndex
指定我们需要去噪的帧,为此,我们在输入列表中传递帧的索引。第三是temporalWindowSize
,它指定要用于降噪的附近帧的数量。应该很奇怪。在那种情况下,总共使用temporalWindowSize
帧,其中中心帧是要被去噪的帧。例如,你传递了一个5帧的列表作为输入。令imgToDenoiseIndex = 2,temporalWindowSize =3
。然后使用frame-1
,frame-2
和frame-3
去噪frame-2
。让我们来看一个例子。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
cap = cv.VideoCapture('vtest.avi')
# 创建5个帧的列表
img = [cap.read()[1] for i in xrange(5)]
# 将所有转化为灰度
gray = [cv.cvtColor(i, cv.COLOR_BGR2GRAY) for i in img]
# 将所有转化为float64
gray = [np.float64(i) for i in gray]
# 创建方差为25的噪声
noise = np.random.randn(*gray[1].shape)*10
# 在图像上添加噪声
noisy = [i+noise for i in gray]
# 转化为unit8
noisy = [np.uint8(np.clip(i,0,255)) for i in noisy]
# 对第三帧进行降噪
dst = cv.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()
计算需要花费大量时间。结果,第一个图像是原始帧,第二个是噪声帧,第三个是去噪图像。
附加资源
1.http://www.ipol.im/pub/art/2011/bcm_nlm/ (它包含详细信息,在线演示等。强烈建议访问。我们的测试图像是从此链接生成的)
2.Online course at coursera (这里拍摄的第一张图片)
☆☆☆为方便大家查阅,小编已将OpenCV-Python专栏文章统一整理到公众号底部菜单栏,同步更新中,关注公众号,点击左下方“文章”,如图:或点击下方“阅读原文”,进入OpenCV-Python专栏,即可查看系列文章。
深度学习与计算机视觉交流群
关注最新最前沿计算机视觉技术相关专业知识,扫码添加mthler拉你入群,如果已经是mthler帐号好友直接私信即可。
(加群或私信请注明:交流群)
不断更新资源
获取更多精彩
长按二维码扫码关注
OpenCV系列之图像去噪 | 五十八相关推荐
- OpenCV学习笔记(五十六)——InputArray和OutputArray的那些事core OpenCV学习笔记(五十七)——在同一窗口显示多幅图片 OpenCV学习笔记(五十八)——读《Mast
OpenCV学习笔记(五十六)--InputArray和OutputArray的那些事core 看过OpenCV源代码的朋友,肯定都知道很多函数的接口都是InputArray或者OutputArray ...
- OpenCV系列之光流 | 四十八
在本章中, 我们将了解光流的概念及其使用Lucas-Kanade方法的估计. 我们将使用cv.calcOpticalFlowPyrLK()之类的函数来跟踪视频中的特征点. 我们将使用cv.calcOp ...
- OpenCV系列之图像梯度 | 十八
目标 在本章中,我们将学习: 查找图像梯度,边缘等 我们将看到以下函数:cv.Sobel(),cv.Scharr(),cv.Laplacian()等 理论 OpenCV提供三种类型的梯度滤波器或高通滤 ...
- OpenCV开发笔记(五十八):红胖子8分钟带你深入了解图像的矩(图文并茂+浅显易懂+程序源码)
若该文为原创文章,未经允许不得转载 原博主博客地址:https://blog.csdn.net/qq21497936 原博主博客导航:https://blog.csdn.net/qq21497936/ ...
- [Python从零到壹] 五十八.图像增强及运算篇之图像锐化Sobel、Laplacian算子实现边缘检测
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- OpenCV学习笔记(四十六)——FAST特征点检测features2D OpenCV学习笔记(四十七)——VideoWriter生成视频流highgui OpenCV学习笔记(四十八)——PCA算
OpenCV学习笔记(四十六)--FAST特征点检测features2D 特征点检测和匹配是计算机视觉中一个很有用的技术.在物体检测,视觉跟踪,三维常年关键等领域都有很广泛的应用.这一次先介绍特征点检 ...
- SpringBoot实现1对1、1对多、多对多关联查询——基于SpringBoot和Vue的后台管理系统项目系列博客(十八)
系列文章目录 系统功能演示--基于SpringBoot和Vue的后台管理系统项目系列博客(一) Vue2安装并集成ElementUI--基于SpringBoot和Vue的后台管理系统项目系列博客(二) ...
- Zabbix5系列-报表工具ZbxTable (十八)
Zabbix5系列-报表工具ZbxTable 一.参考 二.环境 三.安装nginx.mysql 四.安装 zbxtable 4.1 配置数据库 安装 初始化 4.2 配置nginx 4.3 配置ms ...
- OpenCV学习笔记(五十一)——imge stitching图像拼接stitching OpenCV学习笔记(五十二)——号外:OpenCV 2.4.1 又出来了。。。。。 OpenCV学习笔记(五
OpenCV学习笔记(五十一)--imge stitching图像拼接stitching stitching是OpenCV2.4.0一个新模块,功能是实现图像拼接,所有的相关函数都被封装在Stitch ...
最新文章
- Java的Clone
- 从“人肉扩缩容”到云原生容量,90 后程序员的进化
- LNMP环境搭建(centos6.9+mysql5.7+php7.1+nginx1.10)
- Bat 循環執行範例
- oracle: 在sqlplus中,执行sql语句
- PPT 下载 | 神策数据孙超赟:多场景解读运营的价值、生存状态与解决方案
- wxWidgets:wxMiniFrame类用法
- 算法设计与分析-实验2
- 一个Java快速排序实现的调试
- 自己动手,实现一种类似ListT的数据结构(二)
- e会学中C语言课程考试答案,管理信息系统期末考试A试卷答案卷
- MySQL的主从复制详解
- 360换机 v2.12.5.9 官方安卓版
- java 修改图片dpi_如何在不改变DPI的情况下使用java剪切图像的一部分
- MAC下 安装sqlmap教程
- 第三章 进化算法之遗传算法及其应用
- 基于人机环境系统工程的智慧企业建设思考(2)
- 为什么有人劝别选计算机专业?
- 【学习记录】图片行列切割与子图行列拼接之中央裁剪法
- CAE软件安装包(百度网盘)