opencv c++去除含有白噪声的伪影

1、背景：

再对输入图像进行直接阈值处理后，会在部分区域出现伪影，而伪影常常会伴随着白噪声，这使得后续对图像的边缘提取会造成一定的困难，因此需要对该部分进行去除。

如下为含有伪影的二值化处理图像、原图：

 

 2、解决方法：

将没有待识别物体的背景图像（光图像shine_back）与含有待识别物体的图像（待处理图像image）进行减法或除法处理。

 原理：

减法：

image-shine_back 时，shine_back与image的同时亮光部分像素值会置0，而只有image亮的部分会被保留下来。

除法：

在进行除法操作前，需要将image和shine_back均进行浮点类型转换(此时两个图像的所有像素值均在0~1之间)，在除法操作时，为1 - (shine_back/image )，同样shine_back与image的同时亮光部分的像素值会在操作后被置0，而只有image亮的部分会被置1。

3、如何获取背景图

受各种因素影响，有时获取完全相同的纯背景图是比较困难的，此时可以通过设定ROI区域，将输入图像的ROI区域（含有被识别物体的区域）置0即可。

参考代码：

void Quick_func::pre_deal(Mat& image)
{
	namedWindow("原图", WINDOW_FREERATIO);
	imshow("原图", image);
	//去噪点
	Mat no_noise;
	medianBlur(image, no_noise, 3);
	/*namedWindow("去除噪声", WINDOW_FREERATIO);
	imshow("去除噪声", no_noise);*/

	//灰度化
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);

	//二值化
	Mat dst;
	threshold(gray, dst, 150,255, THRESH_BINARY);
	namedWindow("二值化", WINDOW_FREERATIO);
	imshow("二值化", dst);

	//获取光化背景，即没有物料的背景图
	Mat shine_back;
	dst.copyTo(shine_back);

	int a = 120, b = 800;
	int h = gray.rows;
	int w = gray.cols;
	
	for (int i = int(h / 2) - b; i < int(h / 2) + b; i++) {
		 for (int j = int(w/2) - a; j < int(w / 2) + 0.5 * a ; j++){
			//灰色图像ROI区域处理
			 shine_back.at<uchar>(i, j) = 0;
		}
	}
	/*Rect rect(image.cols / 2 - a, image.rows / 2 - b, 1.5 * a, 2 * b);
	Mat ROI = dst(rect);
	namedWindow("ROI", WINDOW_FREERATIO);
	imshow("ROI", ROI);*/

	//光背景显示
	namedWindow("光背景", WINDOW_FREERATIO);
	imshow("光背景", shine_back);

	//减法去除伪影
	Mat dst3 = dst - shine_back;
	namedWindow("减法去除伪影", WINDOW_FREERATIO);
	imshow("减法去除伪影", dst3);

	//除法去除伪影部分，由于是除法，需要将光背景和二值图像均转化为浮点型数据
	Mat dst32, shine_back32;
	dst.convertTo(dst32, CV_32F);
	shine_back.convertTo(shine_back32, CV_32F);
	//定义输出图像
	Mat output;
	output = 1 - (shine_back32 / dst32);
	//再将原浮点型输出转换为整形
	output.convertTo(output, CV_8U, 255);
	namedWindow("除法去除伪影", WINDOW_FREERATIO);
	imshow("除法去除伪影", output);
}

结果：