Denoise“Lang-Stereotest”

Question

我正试图像这样对一个“Lang-Stereotest”进行去噪（因此它在德国被称为......）： here

我在源代码中看到了一些过滤器：

(some code before...)
# Blur
output = cv2.blur(image, (10, 10))
img = Image.fromarray(output, 'RGB')
img.save("images/Filters/" + filePath.split('/')[1].split('.')[0] + " - Blur.jpg")

# Bilareal
output = cv2.bilateralFilter(image, 50, 50, 50)
img = Image.fromarray(output, 'RGB')
img.save("images/Filters/" + filePath.split('/')[1].split('.')[0] + " - Bilateral.jpg")

# MedianBlur
output = cv2.medianBlur(image, 5)
img = Image.fromarray(output, 'RGB')
img.save("images/Filters/" + filePath.split('/')[1].split('.')[0] + " - MedianBlur.jpg")

# Weighted
output = cv2.addWeighted(image, 5, image, -5, 128)
img = Image.fromarray(output, 'RGB')
img.save("images/Filters/" + filePath.split('/')[1].split('.')[0] + " - Weighted.jpg")

# Try to combine...
output = ...     # here I want to combine the filters to gain best results..
img.save("images/Filters/" + filePath.split('/')[1].split('.')[0] + " - Best.jpg")
(some code after...)

结果我得到Bilateral：

[Blur]，[Median Blur]

（一旦我获得10点声望，我会添加“Blur”和“Median Blur”....抱歉）

当然，结果远非完美，我也知道，没有百分之百的解决方案，但我认为它应该明显更好..

也许有人对如何获得更好的结果有所了解！

Answer 1

我有两种方法

第一 - 暴力逼近

这里我手动设置一个阈值水平，低于该水平，所有像素值都是0，即;黑

ret,th = cv2.threshold(gray, 100, 255, 1)

看起来很不错。但我们可以走得更远。

第二 - 计算方法

这里我根据灰度图像的中值值设置阈值。这是统计学家用于将数据分成数据科学中不同类的方法。所以我想'为什么不试试图像？'

以下是代码段：

sigma = 0.33
v = np.median(gray)
threshold = (1.0 - sigma) * v
for i in range(gray1.shape[0]):
    for j in range(gray1.shape[1]):
        if (gray[i, j] < threshold):
            gray1[i, j] = 0
        else:
            gray[i, j] = 255

cv2.imwrite('gray1.jpg',gray1)  

是的，它看起来并不那么完美，但这是我可以去的地方。

从这里开始取决于你。您可以应用中位数filtering followed by some形态学操作来达到您想要的效果。

修改

我刚刚将gray图片复制到gray1作为参考，以便在for循环中使用。

以下是更好理解的完整代码：

import cv2
import numpy as np

filename = '1.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray1 = gray

sigma = 0.33
v = np.median(gray)
threshold = (1.0 - sigma) * v
for i in range(gray1.shape[0]):
    for j in range(gray1.shape[1]):
        if (gray[i, j] < threshold):
            gray1[i, j] = 0
        else:
            gray[i, j] = 255

cv2.imwrite('gray1.jpg',gray1)    

希望这有助于!!!!!!

：）

Answer 2

这是对第二张图片的回应。

我执行了评论中提到的灰度图像的直方图均衡：     equ = cv2.equalizeHist（灰色）

然后我应用了二进制阈值，接着是扩张：

ret,th = cv2.threshold(equ, 50, 255, 0)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
dilate = cv2.morphologyEx(th, cv2.MORPH_DILATE, kernel, 3)

减少图像中的噪音和孢子：

close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel, 3)

我将图像反转为形态关闭：

ret,th1 = cv2.threshold(close, 50, 255, 1)
kernel1 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
opened = cv2.morphologyEx(th1, cv2.MORPH_CLOSE, kernel1, 3)

然后我进行了形态膨胀：

dd = cv2.morphologyEx(opened, cv2.MORPH_DILATE, kernel1, 3)

这是我能达到的最大值。

现在你可以找到轮廓并消除低于特定区域的小点。

:)