我的黑白图像有很多噪音。我想只删除完全被白色像素包围的黑色像素。我尝试使用Filter2d,但我无法实现它。
答案 0 :(得分:2)
我使用卷积(再次) 1 :
>>> import numpy as np
>>> from scipy.signal import convolve2d
>>>
>>> kernel = np.ones((3,3))
>>> kernel[1,1] = 0
>>> print(kernel)
[[ 1. 1. 1.]
[ 1. 0. 1.]
[ 1. 1. 1.]]
>>> # Create a decent test array that shows the features
... test = np.array(
... [[0,1,1,0,1,1],
... [1,1,1,1,1,0],
... [1,0,1,1,0,1],
... [1,1,1,0,0,0],
... [1,1,1,0,1,0],
... [1,1,1,0,0,0]])
>>>
>>> mask = convolve2d(test, kernel, mode='same', fillvalue=1)
>>> print(mask)
[[ 8. 7. 7. 8. 6. 7.]
[ 6. 6. 6. 6. 5. 7.]
[ 7. 8. 6. 5. 4. 4.]
[ 7. 7. 5. 5. 3. 5.]
[ 8. 8. 5. 4. 0. 4.]
[ 8. 8. 6. 6. 4. 6.]]
>>> result = test.copy()
>>> result[np.logical_and(mask==8, test==0)] = 1
>>> print(result)
[[1 1 1 1 1 1]
[1 1 1 1 1 0]
[1 1 1 1 0 1]
[1 1 1 0 0 0]
[1 1 1 0 1 0]
[1 1 1 0 0 0]]
正如您所看到的,result
数组已经改变了所有"黑色"在所有8个边上完全被白色(由1表示)包围的像素(此处由值0表示),即使在角落和边缘也是如此。
编辑:Hugo Rune的回答是更好的,但如果你有" pepper"噪音,这意味着您拥有黑色像素的小组,这些黑色像素被白色像素包围,而不仅仅是单个像素。对于单个像素,这就是我解释你的问题的方法,上面的工作正常。
脚注:
1:实际上你需要correlation
,但在这种情况下它是相同的,因为内核是对称的。
答案 1 :(得分:1)
您有两种可能性:
这将删除所有单个黑色像素,但它也会删除一些其他形状,例如一个像素厚的黑色线条或尖锐的黑色角落
这是消除“胡椒噪音”,嘈杂的单个黑色像素的标准方法。
另一种方式,它只会删除单个黑色像素:
如果两个随机黑色像素偶然是邻居,那么这将无法工作,因此可能会覆盖所有大小为2或3的区域。
答案 2 :(得分:0)
4年后,我遇到了类似的任务,以消除单个像素的噪声。
“摄像机校准”模块中的OpenCV的filterspeckles函数对于该任务很有用。
代码:
import cv2
import numpy as np
data = np.array([[1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 0],
[1, 0, 0, 0, 0, 1],
[1, 0, 1, 0, 0, 0],
[1, 0, 1, 0, 1, 0],
[1, 0, 0, 0, 0, 0]]).astype(np.uint8)
print('Input')
print(data)
cv2.filterSpeckles(data, 0, 1, 1)[0]
print('Output')
print(data)
控制台:
Input
[[1 1 1 1 1 1]
[1 1 1 1 1 0]
[1 0 0 0 0 1]
[1 0 1 0 0 0]
[1 0 1 0 1 0]
[1 0 0 0 0 0]]
Output
[[1 1 1 1 1 1]
[1 1 1 1 1 0]
[1 0 0 0 0 0]
[1 0 1 0 0 0]
[1 0 1 0 0 0]
[1 0 0 0 0 0]]