python去噪函数_opencv python 图像去噪

OpenCV提供了这种技术的四种变体。

cv2.fastNlMeansDenoising（） - 使用单个灰度图像

cv2.fastNlMeansDenoisingColored（） - 使用彩色图像。

cv2.fastNlMeansDenoisingMulti（） - 用于在短时间内捕获的图像序列（灰度图像）

cv2.fastNlMeansDenoisingColoredMulti（） - 与上面相同，但用于彩色图像。

Common arguments:

h：参数决定滤波器强度。较高的h值可以更好地消除噪声，但也会删除图像的细节 (10 is ok)

hForColorComponents：与h相同，但仅适用于彩色图像。 （通常与h相同）

templateWindowSize：应该是奇数。 （recommended 7）

searchWindowSize：应该是奇数。 （recommended 21）

cv2.fastNlMeansDenoisingColored()

如上所述，它用于从彩色图像中去除噪声。 （噪音预计是高斯噪音）

import numpy as np

import cv2

import matplotlib.pyplot as plt

img = cv2.imread('img.jpg')

dst = cv2.fastNlMeansDenoisingColored(img,None,10,10,7,21)

plt.subplot(121),plt.imshow(img)

plt.subplot(122),plt.imshow(dst)

plt.show()

cv2.fastNlMeansDenoisingMulti（）

现在我们将相同的方法应用于视频。 第一个参数是嘈杂帧的列表。 第二个参数imgToDenoiseIndex指定我们需要去噪的帧，因为我们在输入列表中传递了frame的索引。 第三个是temporalWindowSize，它指定了用于去噪的附近帧的数量。 在这种情况下，使用总共temporalWindowSize帧，其中中心帧是要去噪的帧。 例如，传递了5个帧的列表作为输入。 设imgToDenoiseIndex = 2和temporalWindowSize = 3.然后使用frame-1，frame-2和frame-3对帧-2进行去噪

import numpy as np

import cv2

import matplotlib.pyplot as plt

cap = cv2.VideoCapture('test.mp4')

# create a list of first 5 frames

img = [cap.read()[1] for i in range(5)]

# convert all to grayscale

gray = [cv2.cvtColor(i, cv2.COLOR_BGR2GRAY) for i in img]

# convert all to float64

gray = [np.float64(i) for i in gray]

# create a noise of variance 25

noise = np.random.randn(*gray[1].shape)*10

# Add this noise to images

noisy = [i+noise for i in gray]

# Convert back to uint8

noisy = [np.uint8(np.clip(i,0,255)) for i in noisy]

# Denoise 3rd frame considering all the 5 frames

dst = cv2.fastNlMeansDenoisingMulti(noisy, 2, 5, None, 4, 7, 35)

plt.subplot(131),plt.imshow(gray[2],'gray')

plt.subplot(132),plt.imshow(noisy[2],'gray')

plt.subplot(133),plt.imshow(dst,'gray')

plt.show()