OpenCV-Python 图像去噪 | 五十九

最新推荐文章于 2024-07-03 21:27:43 发布

磐创 AI

最新推荐文章于 2024-07-03 21:27:43 发布

阅读量1.8k

点赞数 1

本文链接：https://blog.csdn.net/fendouaini/article/details/105405065

版权

本文介绍了OpenCV-Python中用于图像去噪的非局部均值去噪算法，包括cv.fastNlMeansDenoising()和cv.fastNlMeansDenoisingColored()函数的使用。通过对比去噪前后的图像，展示了该方法在消除高斯噪声方面的效果，并给出了参数设置建议。同时，提到了适用于视频去噪的cv.fastNlMeansDenoisingMulti()函数。

摘要由CSDN通过智能技术生成

作者|OpenCV-Python Tutorials 编译|Vincent 来源|OpenCV-Python Tutorials

目标

在本章中，

你将学习用于去除图像中噪声的非局部均值去噪算法。
你将看到不同的函数，例如cv.fastNlMeansDenoising()，cv.fastNlMeansDenoisingColored()等。

理论

在前面的章节中，我们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，我们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，值的中位数等来替换中心元素。简而言之，在像素处去除噪声是其周围的局部现象。有噪声的性质。

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

你可以通过简单的设置自己进行验证。将静态相机固定在某个位置几秒钟。这将为你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（这对你现在应该太简单了）。比较最终结果和第一帧。你会看到噪声减少。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。通常，只有一张嘈杂的图像可用。

因此想法很简单，我们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）。很有可能同一修补程序可能位于图像中的其他位置。有时在它周围的一个小社区中。一起使用这些相