噪声处理

噪声的存在严重影响了遥感图像的质量，因此在图像增强处理和分类处理之前，必须予以纠正.图像中各种妨碍人们对其信息接受的因素即可称为图像噪声。噪声在理论上可以定义为“不可预测，只能用统计方法来认识的随机误差”。

高斯噪声:高斯噪声符合高斯分布
椒盐噪声:椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。

去噪处理

消除噪声成分成为平滑或滤波,他有两个重要的要求,第一是不能破坏图片轮廓边缘的重要信息,第二是图片要清晰,视觉效果好.噪声处理有均值滤波/高斯滤波/中值滤波/双线性滤波

边缘检测

边缘检测算法有差分检测/Reboerts算子/Sobel算子/Prewitt算子/Kirsch算子/Laplace算子

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
import PIL.Image as Image
import skimage
from skimage import filters#实现均值滤波的代码def imgConvolve(image, kernel):'''卷积操作'''img_h = int(image.shape[0])img_w = int(image.shape[1])kernel_h = int(kernel.shape[0])kernel_w = int(kernel.shape[1])#padding 图片的大小不变padding_h = int((kernel_h - 1) / 2)padding_w = int((kernel_w - 1) / 2)convolve_h = int(img_h + 2*padding_h)convolve_w = int(img_w + 2*padding_w)#分配空间img_padding = np.zeros((convolve_h, convolve_w))#将像素值填充进去img_padding[padding_h:padding_h+img_h, padding_w:padding_w+img_w] = image[:, :]image_convolve = np.zeros(image.shape)#进行卷积for i in range(padding_h,padding_h+img_h):for j in range(padding_w,padding_w+img_w):image_convolve[i-padding_h][j-padding_w] = int(np.sum(img_padding[i-padding_h:i + padding_h+1, j-padding_w:j+padding_w+1]*kernel))return image_convolvedef avgFilter(image, kernel):'''均值滤波'''img = imgConvolve(image, kernel)return img * (1.0 / kernel.size)#读取图片，灰度处理
data = cv.imread("filter_test.jpg")
data = cv.cvtColor(data, cv.COLOR_BGR2GRAY)#保存灰度图片
cv.imwrite("real_img.jpg", data, [int(cv.IMWRITE_JPEG_QUALITY), 70])
cv.waitKey(0)
cv.destroyWindows()kernel_1 = np.ones([3,3])
kernel_2 = np.ones([5,5])#均值滤波模糊处理
avg_data_1 = avgFilter(data, kernel_1)
avg_data_2 = avgFilter(data, kernel_2)#保存图片
cv.imwrite('avg_filter_1.jpg',avg_data_1,[int(cv.IMWRITE_JPEG_QUALITY),70])  #jpeg格式，质量为70
cv.imwrite('avg_filter_2.jpg',avg_data_2,[int(cv.IMWRITE_JPEG_QUALITY),70])  #jpeg格式，质量为70#把保存图片
img1 = cv.imread("avg_filter_1.jpg")
img2 = cv.imread("avg_filter_2.jpg")
imgs = np.hstack([img1, img2])
cv.imwrite("diff_filter.jpg", imgs, [int(cv.IMWRITE_JPEG_QUALITY), 70])

#生成含有噪声图片rel_img = cv.imread("mouse.jpg")  #(412, 550, 3)
#加入高斯噪声
noise_img = skimage.util.random_noise(rel_img, mode='gaussian', seed=None, clip=True)
#salt椒盐滤波
noise_img = skimage.util.random_noise(rel_img, mode='salt', seed=None, clip=True)
plt.figure(figsize=(10, 10))
plt.imshow(noise_img)
plt.xticks([])
plt.yticks([])
plt.savefig("gau_noise_img.jpg")
plt.show()

#opencv实现降噪img_path = "gau_noise_img.jpg"
img = cv.imread(img_path)#均值滤波
img1 = cv.blur(img, (5,5))#高斯滤波
img2 = cv.GaussianBlur(img, (5,5), 0)  #0指sigma#中指滤波
img3 = cv.medianBlur(img, 5)#双值滤波
img4 = cv.bilateralFilter(img, 9, 75, 75)titles = ['real', 'mean', 'gaussian', 'median', 'bilateral']
imgs = [img, img1, img2, img3, img4]plt.figure(figsize=(20, 10))
for i in range(5):plt.xticks([])plt.yticks([])plt.subplot(2, 3, i+1)  #下标是从1开始的plt.imshow(imgs[i])plt.title(titles[i])#先save在show，因为如果show后会产生一张新的空白图片，再保存下载的图片就是空白的
#画质70
plt.xticks([])
plt.yticks([])
plt.savefig("real_filter.jpg", quality=100)
plt.show()

#边缘检测real_img = cv.imread("mouse.jpg")
real_img = cv.cvtColor(real_img, cv.COLOR_BGR2GRAY)gau_filter_img = cv.imread("gau_noise_img.jpg")
gau_filter_img = cv.cvtColor(gau_filter_img, cv.COLOR_BGR2GRAY)salt_filter_img = cv.imread("salt_noise_img.jpg")
salt_filter_img = cv.cvtColor(salt_filter_img, cv.COLOR_BGR2GRAY)#-1表示和原图像相同的深度, 两个1分别是两个方向的边缘检测
real_sobel_img = cv.Sobel(salt_filter_img, -1, 1, 1, ksize=3)
real_prewitt_img = filters.prewitt(salt_filter_img)titles = ["real", "sobel", "prewitt"]
imgs = [salt_filter_img, real_sobel_img, real_prewitt_img]plt.figure(figsize=(20, 10))
for i in range(3):plt.xticks([])plt.yticks([])plt.subplot(1,3,i+1)plt.imshow(imgs[i], cmap="gray")  #显示灰度图即可plt.title(titles[i])plt.xticks([])
plt.yticks([])
plt.savefig("salt_edge_img.jpg")
plt.show()

图片噪声降噪边缘检测相关推荐

图片降噪 java_Python图片验证码降噪 — 8邻域降噪
简介图片验证码识别的可以分为几个步骤,一般用 Pillow 库或 OpenCV 来实现,这几个过程是: 1.灰度处理&二值化 2.降噪 3.字符分割 4.标准化 5.识别所谓降噪就是把不需 ...
python+opencv+图像特效（图像灰度处理、颜色翻转、图片融合，边缘检测，浮雕效果，颜色映射）
原图图像灰度处理 #方式1 import cv2 #读取彩色原图 img0=cv2.imread('E:/python_cv/01.jpg',1) #读取灰度图 img1=cv2.imread('E ...
python实现浮雕效果的原理_python+opencv+图像特效（图像灰度处理、颜色翻转、图片融合，边缘检测，浮雕效果，颜色映射）...
原图图像灰度处理 #方式1 import cv2 #读取彩色原图 img0=cv2.imread('E:/python_cv/01.jpg',1) #读取灰度图 img1=cv2.imread('E ...
python图像条状状噪声_python检测图片噪声（噪点噪声、雪花噪声、条纹噪声）
首先是噪声的大体分类: 噪点噪声:又称脉冲噪声.椒盐噪声雪花噪声:又称高斯噪声条纹噪声: 分析完这些噪声的大致分布情况之后 importcv2from PIL importImagefrom PI ...
python 图片验证码降噪、识别
from PIL import Image import pytesseract import os''' 安装 tesseract-ocr-setup-3.05.01.exe 下面的环境变量根据自己 ...
车道线检测｜利用边缘检测的原理对车道线图片进行识别
前言那么这里博主先安利一些干货满满的专栏了! 这两个都是博主在学习Linux操作系统过程中的记录,希望对大家的学习有帮助! 操作系统Operating Syshttps://blog.csdn.ne ...
OPENCV打开图片进行边缘检测
OPENCV打开图片并且进行边缘检测 #ifdef _CH_ #pragma package <opencv> #endif#ifndef _EiC #include "cv.h ...
如何给图片降噪？看完你就学会了
当你在夜间用手机进行拍照,拍出来的照片会显得比较粗糙,你知道为什么吗?因为光线不足,就会导致拍摄后传输出来的照片产生噪点,从而使照片的像素看起来不是那么的清晰.那么你们知道图片怎么降噪吗?下面就让我们 ...
如何给图片降噪？图片噪点模糊变清晰的方法分享
我们日常出去旅游或者游玩,是肯定离不开拍照的,但是每个人的拍照技术都是不一样的,加上环境.设备等等因素,回家后看到照片也是满满的噪点不太清晰,拍摄的照片由于有这些噪点的存在,画质看起来就会比较模糊,那 ...

图片噪声降噪边缘检测

噪声处理

去噪处理

边缘检测

图片噪声降噪边缘检测相关推荐

最新文章

热门文章

图片噪声 降噪 边缘检测

噪声处理

去噪处理

边缘检测

图片噪声 降噪 边缘检测相关推荐

最新文章

热门文章

图片噪声降噪边缘检测

图片噪声降噪边缘检测相关推荐