点降噪思路

对于单像素的噪点来说：当一个像素点与周围一圈像素点颜色不一样，我们认为是一个噪点

如下图（简单二值化图片）所示，红色选中的为噪点，因为周围8个像素点和它颜色都不一样

我们很快就联想到Numpy中数组或者矩阵对象该怎么去应用：

• 对像素点周围一圈的矩阵做一个截取
• 统计截取的矩阵有多少个像素点，如果有一个（即像素点本身），则认为是噪点
  

处理后的效果应为：

简单代码为例：

__author__ = '老爷'
import numpy as np

def denoise_1px(array):
    row, column = array.shape
    for y in range(row):
        for x in range(column):
            if array[x, y] and (np.count_nonzero(array[x-1:x+2, y-1:y+2])-1==0):
                array[x, y] = 0
    return array

if __name__ == '__main__':
    pic_list = [
        [0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0],
        [0, 0, 1, 0, 1, 0],
        [0, 0, 0, 0, 1, 1],
        [0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0]
    ]
    a_array = np.array(pic_list)
    b_array = denoise_1px(a_array)

    print('降噪前：')
    print(a_array)
    print('降噪后：')
    print(b_array)

执行结果：

D:\Python3\python.exe D:/PycharmProjects/DataAnalysis/LearnNumpy/Denoise.py
降噪前：
[[0 0 0 0 0 0]
 [0 0 0 0 0 0]
 [0 0 1 0 1 0]
 [0 0 0 0 1 1]
 [0 0 0 0 0 0]
 [0 0 0 0 0 0]]
降噪后：
[[0 0 0 0 0 0]
 [0 0 0 0 0 0]
 [0 0 0 0 1 0]
 [0 0 0 0 1 1]
 [0 0 0 0 0 0]
 [0 0 0 0 0 0]]

Process finished with exit code 0