利用色块检测,在消除噪点同时尽量保留有效信息
传统消除噪点一般想到形态学开运算闭运算,但有时会让有效信息一起消失
利用色块检测,消去面积小于阈值面积的色块,或者消去跨度小的色块,尽量保留有效信息
import numpy as np
from PIL import Image, ImageEnhance
import cv2
import shutil
import matplotlib.pyplot as plt
import os
def Remove_cnt(cnts,cnt):#从轮廓列表中去除某一轮廓
for i in range(len(cnts)):
if (cnts[i][0][0][0]==cnt[0][0][0] and cnts[i][0][0][1]==cnt[0][0][1]): #找匹配点
cnts.pop(i)
break
return cnts
def Remove_Small_Points(img,thr):#输入图像和最小面积阈值,面积大于阈值的色块被消除
cnts = cv2.findContours(img.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] #轮廓检测
#如果存在轮廓
for i in range(len(cnts)):
#找到面积最小的轮廓
c = min(cnts, key = cv2.contourArea) #面积最小的轮廓
area=cv2.contourArea(c)
if (area<thr):
cnts=Remove_cnt(cnts,c) #去除最小点
cv2.drawContours(img,[c],0,[0,0,0],-1)
else:
break
return img
def Remove_Big_Points(img,thr):#输入图像和最大面积阈值
cnts = cv2.findContours(img.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] #轮廓检测
#如果存在轮廓
for i in range(len(cnts)):
#找到面积最小的轮廓
c = max(cnts, key = cv2.contourArea) #面积最小的轮廓
area=cv2.contourArea(c)
if (area>thr):
cnts=Remove_cnt(cnts,c) #去除最大点
cv2.drawContours(img,[c],0,[0,0,0],-1)
else:
break
return img
def Remove_Small_Arears(img,gap):#输入图像和x,y的最大跨度,大于这个跨度的色块被消除
cnts = cv2.findContours(img.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] #轮廓检测
for i in range(len(cnts)):
c=cnts[i]
x_min=c[0][0][0]
y_min=c[0][0][1]
x_max=c[0][0][0]
y_max=c[0][0][1]
x_flag=0
y_flag=0
for j in range(len(c)):
if c[j][0][0]<x_min:
x_min=c[j][0][0]
x_flag=1
elif c[j][0][0]>x_max:
x_max=c[j][0][0]
x_flag=1
if c[j][0][1]<y_min:
y_min=c[j][0][1]
y_flag=1
elif c[j][0][1]>y_max:
y_max=c[j][0][1]
y_flag=1
if (x_max-x_min<gap) and (y_max-y_min<gap) and x_flag==1 and y_flag==1:
cv2.drawContours(img,[c],0,[0,0,0],-1)
return img
效果如下:
取反并消去小的不必要的边界: