标签：图像去噪 plt img Denoising OpenCV53 cv2 图像 np import

目标

在本章中， 将学习

• 用于去除图像中噪声的非局部均值去噪算法
• 学习不同的函数
  • cv2.fastNlMeansDenoising()
  • cv2.fastNlMeansDenoisingColored()
  • cv2.fastNlMeansDenoisingMulti()
  • cv2.fastNlMeansDenoisingColoredMulti()

理论

在前面的章节中，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，都是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（高斯模糊）、值的中位数（中值模糊）等来替换中心元素。简而言之，像素处的噪声去除是其邻域的局部。

噪声有一个性质，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， p = p 0 + n p=p_0+n p=p0​+n，其中 p 0 p_0 p0​是像素的真实值，n是该像素中的噪声。可以从不同的图像中获取大量相同的像素值（例如N）并计算其平均值p。理想情况下，由于噪声的平均值为零，因此应该得到 p = p 0 p = p_0 p=p0​。

这是可以通过简单的设置进行验证得到的。将静态相机固定在某个位置几秒钟，这会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，比较最终结果和第一帧的结果， 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。

上述想法很简单，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）， 很有可能同一图像块可能位于图像中的其他位置，一起使用这些相似的补丁并找到它们的平均值。参考下面的示例图片：

图像中的蓝色图像块看起来很相似，图像中的绿色图像块看起来也很相似。因此，过程为：首先获取一个像素，在其周围获取一个小窗口，在图像中搜索相似的窗口，对所有窗口求平均值，然后用得到的结果替换该像素。此方法是**“非本地均值消噪”（Non-Local Means Denoising）**。与之前看到的模糊技术相比，该方法花费更多时间，但是效果非常好。更多信息和在线演示可在此看到。

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:

• cv2.fastNlMeansDenoising()-处理单个灰度图像

• cv2.fastNlMeansDenoisingColored()-处理彩色图像

• cv2.fastNlMeansDenoisingMulti()-处理在短时间内捕获的图像序列（灰度图像）

• cv2.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）

例子

cv2.fastNlMeansDenoising()

处理灰度图

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('die.png', 0)
dst = cv2.fastNlMeansDenoising(img, None, 10, 7, 21)
plt.subplot(211)
plt.imshow(img)
plt.subplot(212)
plt.imshow(dst)
plt.show()

cv2.fastNlMeansDenoisingColored()

处理彩色图

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：

# 彩色图

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('die.png')
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)  # rgb into bgr
dst = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21)
plt.subplot(211)
plt.imshow(img)
plt.subplot(212)
plt.imshow(dst)
plt.show()

cv2.fastNlMeansDenoisingMulti()

处理短时间内捕获的灰度图像序列

将对视频应用相同的方法：

• 第一个参数是srcImgs, 噪声帧列表, 具有相同的类型和大小
• 第二个参数是imgToDenoiseIndex，指定需要去噪的帧。为此在输入列表中传递帧的索引
• 第三个参数是temporalWindowSize ，指定要用于降噪的附近帧的数量，应该设置为奇数。总共使用 temporalWindowSize 帧，其中中心帧是要被去噪的帧。例如，传递一个5帧的列表作为输入，令 i m g T o D e n o i s e I n d e x = 2 imgToDenoiseIndex =2 imgToDenoiseIndex=2,$temporalWindowSize =3 $。然后使用 frame-1 ， frame-2 和frame-3去噪frame-2

例子

# 连续灰度图
import cv2
import numpy as np
from matplotlib import pyplot as plt

cap = cv2.VideoCapture('vtest.avi')

# 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]

# convet 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, 7, 21, 35)

plt.subplot(311)
plt.imshow(gray[2],'gray')
plt.subplot(312)
plt.imshow(noisy[2],'gray')
plt.subplot(313)
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。

放大看下细节部分：

cv2.fastNlMeansDenoisingColoredMulti()

处理短时间内捕获的彩色图像序列

# 连续彩色图
import cv2
import numpy as np
from matplotlib import pyplot as plt

cap = cv2.VideoCapture('vtest.avi')

# create a list of first 5 frames
img = [cap.read()[1] for i in range(5)]

# convet all to float64
img_64 = [np.float64(i) for i in img]

# create a noise of variance 25
noise = np.random.randn(*img_64[1].shape)*10

# Add this noise to images
noisy = [i+noise for i in img_64]

# 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.fastNlMeansDenoisingColoredMulti(noisy, 2, 5, None, 7, 21, 35)

plt.subplot(311)
plt.imshow(img[2])
plt.subplot(312)
plt.imshow(noisy[2])
plt.subplot(313)
plt.imshow(dst)
plt.show()

附加资源

• cv2.fastNlMeansDenoising()
• cv2.fastNlMeansDenoisingColored()
• cv2.fastNlMeansDenoisingMulti()
• cv2.fastNlMeansDenoisingColoredMulti()
• https://docs.opencv.org/4.5.5/d5/d69/tutorial_py_non_local_means.html

标签：图像去噪,plt,img,Denoising,OpenCV53,cv2,图像,np,import
来源： https://blog.csdn.net/uncle_ll/article/details/122620346

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。