在Python中使用OpenCV进行Otsu二值化后如何消除噪音？

Question

我正在使用Raspberry Pi和它的相机来执行一些图像处理算法。因此，我在捕获的流的连续帧上执行背景减法，并尝试查找图像中是否存在任何对象，如果是，则打印出它的区域。该算法按预期工作正常，但存在问题。

使用cv2.THRESH_OTSU的阈值函数在没有物体存在时会产生颗粒状图像，即背景和前景图像相同。然而，当前景图像中存在物体时，这些噪声/颗粒消失。这些如下 -

1. Same Background Image and Foreground Image with noise
2. Different Background and Foreground Image without any noise

如您所见，如果图像几乎相同，则会出现噪音，如果框架中有任何物体，噪音就会消失。

我已经尝试过以下方法来消除噪音，但它没有用。

1. 在没有Otsu二元化的情况下仅使用cv2.THRESH_BINARY / cv2.THRESH_BINARY_INV进行了尝试。

2. 我尝试过提高拍摄图像的亮度/对比度/饱和度，看看性能是否有所不同，但没有变化。

3. 我尝试在erosion步骤之前增加/减少dilation / Thresholding的数量，但这也没有任何改变。

   < / LI>

   这是我的代码 -

   from time import sleep
   from picamera import PiCamera
   from picamera.array import PiRGBArray
   import cv2,os
   import numpy as np
   import threading
   
   
   def imageSubtract(img):
       bilateral_filtered_image = cv2.bilateralFilter(img, 9, 170, 170)
       bilateral_filtered_image = cv2.cvtColor(bilateral_filtered_image,cv2.COLOR_BGR2GRAY)
       return bilateral_filtered_image
   
   def  imageProcessing():
       camera = PiCamera()
       camera.resolution = (512,512)
       camera.awb_mode="fluorescent"
       camera.iso = 800
       camera.contrast=33
       camera.brightness=75
       camera.sharpness=100
       rawCapture = PiRGBArray(camera, size=(512, 512))
   
       first_time=0
       frame_buffer=0
       counter=0
       camera.start_preview()
       sleep(2)
   
   
       for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True):
   
           if first_time==0:
               rawCapture.truncate(0)
               if frame_buffer<10:
                  print("Frame rejected -",str(frame_buffer))
                  frame_buffer+=1
                  continue
               os.system("clear")
               refImg=frame.array
               refThresh=imageSubtract(refImg)
               first_time=1
   
   
   
           image = frame.array
           cv2.imshow("Foreground", image)
           key = cv2.waitKey(1)
           rawCapture.truncate(0)
           newThresh=imageSubtract(image)
   
           diff=cv2.absdiff(refThresh,newThresh)
           kernel = np.ones((5,5),np.uint8)
   
           diff=cv2.dilate(diff,kernel,iterations = 3)
           cv2.imshow("Background",refImg)
           _, thresholded = cv2.threshold(diff, 0 , 255, cv2.THRESH_BINARY +cv2.THRESH_OTSU)
   
   
           _, contours, _= cv2.findContours(thresholded,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
           try:
              c=max(contours,key=cv2.contourArea)
              x,y,w,h = cv2.boundingRect(c)
              cv2.rectangle(thresholded,(x,y),(x+w,y+h),(125,125,125),2)
              if cv2.contourArea(c)>500:
                 print("Object detected with area = ",cv2.contourArea(c))
              cv2.imshow("Threshold",thresholded)
              if key == ord('q'):
                  camera.close()
                  cv2.destroyAllWindows()
                  break
           except Exception as e:
              pass
   
   if __name__ == "__main__" :
      imageProcessing()
   

   当背景和前景图像相同时，请帮助我消除噪音。

   谢谢！