9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除

9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除

1 算法原理

二值图像中常有一些小孔或小岛。这些小孔或小岛一般是由系统噪声、阈值选取或预处理而造成的。椒盐噪声就是一种典型的,造成二值图中出现小孔或小岛的噪声。

将开启和闭合结合起来就可构成形态学噪声滤除器以消除这类噪声。例如用包括一个中心像素和它的4邻域的像素构成的结构元素去开启图像就能消除椒噪声,而去闭合图像就能消除盐噪声。

2 代码

运行代码说明

1.要改变代码中的图片地址（地址不能有中文）

更改put(path)函数中的路径put(r'../image/image1.jpg')

2.注意最后的plt.savefig('1.new.jpg')是保存plt图像，如果不使用可以注释掉

代码依赖包：

matplotlib  3.4.2
numpy  1.20.3
opencv-python  4.1.2.30

# pip安装
pip install matplotlib numpy opencv-python

import numpy as np
import cv2
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False


def random_noise(img,noise_num):
    '''
    添加随机噪点（实际上就是随机在图像上将像素点的灰度值变为255即白色）
    :param image: 需要加噪的图片
    :param noise_num: 添加的噪音点数目，一般是上千级别的
    :return: img_noise
    '''
    #
    # 参数image：，noise_num：
    img_noise = img
    # cv2.imshow("src", img)
    rows, cols, chn = img_noise.shape
    # 加噪声
    x_size = np.random.randint(2, 3)# 加噪声的方块大小的长宽
    y_size = np.random.randint(2, 3)
    for i in range(noise_num):
        x = np.random.randint(0, rows)#随机生成指定范围的整数
        y = np.random.randint(0, cols)
        img_noise[x:x+x_size, y:y+y_size, :] = 0

    return img_noise

# img_noise = random_noise("32-2.jpg",30)

def put(path):
    # 读取图片
    img = cv2.imread(path)
    img = random_noise(img,1000)  # 添加噪声，1000是噪声点数

    src = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转灰度图片

    # 二值化，之前噪声是0，经过翻转二值化后变成255（白色）
    ret, src = cv2.threshold(src, 230, 255, cv2.THRESH_BINARY_INV)  # 翻转二值化
    #ret, src = cv2.threshold(src, 102, 255, cv2.THRESH_BINARY)  # 正常二值化
    # 设置卷积核
    kernel = np.ones((3, 3), np.uint8)

    # 图像开运算
    res3 = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)
    # 图像闭运算去噪
    res4 = cv2.morphologyEx(res3, cv2.MORPH_CLOSE, kernel)
    # 图像显示
    plt.subplot(121), plt.imshow(src, plt.cm.gray), plt.title('噪声图片'), plt.axis('off')
    plt.subplot(122), plt.imshow(res4, plt.cm.gray), plt.title('去噪'), plt.axis('off')

    # plt.savefig('2.1new-ing.jpg')
    plt.show()

# 图像处理函数，要传入路径
put(r'image1.jpg')

去噪是针对白色噪声点，要注意二值化方式和添加噪声的像素值

3 效果