• 問題描述（一）：
  
  運用圖像處理的方法去除上圖中背景黑色字印記。

• 問題的分析與解決（一）：

  拿到這個問題，作為一個圖像處理的小白，第一反應是能不能像使用PS一樣，把這張RGB的圖片轉化為ARGB的圖片。接著，把其中背景的Alpha通道設置為0，即將背景設置為全透明，這樣便提取出了前景。然后，新建一個白色的畫布將前景放上去，就處理得到了一張背景純白的圖片。

  轉念一想，如何將前景和背景區分出來才是關鍵，要不然就是對全圖調整透明度，無法達到預期效果。

  我們知道，在圖像處理中，大多都使用灰度圖。在RGB模型中，假設R=G=B時，則彩色表示一種灰度顏色，當中R=G=B的值叫灰度值，因此，灰度圖像每一個像素僅僅需一個字節存放灰度值（又稱強度值、亮度值），灰度范圍為0-255。灰度是指只含亮度信息，不含色彩信息的圖像。黑白照片就是灰度圖，特點是亮度由暗到明，變化是連續的。要表示灰度圖，就需要把亮度值進行量化。之所以都使用灰度圖，是因為灰度圖有以下好處：

• RGB的值都一樣。
• 圖像數據即調色板索引值，就是實際的RGB值，也就是亮度值。
• 因為是256色調色板，所以圖像數據中一個字節代表一個像素，很整齊。

于是咱們首先把原圖轉化為灰度圖，使用以下代碼將原圖讀入MATLAB程序并進行灰度化：

I=imread('example.jpg'); G=rgb2gray(I); %灰度化

同時，我們可以看一下灰度圖的直方圖，使用以下代碼輸出灰度圖及其直方圖：

figure,imshow(G) %窗口顯示灰度圖，如果前不加figure，那么后續只要出現imshow，那么將會覆蓋掉這個顯示灰度圖的窗口 figure,imhist(G) %窗口顯示直方圖

灰度圖：

直方圖：

從直方圖中我們可以看出灰度值50至100之間有一個極小的峰值；而灰度值150至200之間有一個極大的峰值，一共有兩個峰值。這兩個分布分別代表前景和背景，我們的目標是找到一個閾值將前景和背景分開，這其實就是二值化的概念。

于是我突然想到可以使用最大類間方差法(Otsu)實現圖像二值化。該方法是圖像二值化處理常見方法之一，在Matlab與OpenCV中均有實現。Otsu Threshing方法是一種基于尋找合適閾值實現二值化的方法，其最重
要的部分是尋找圖像二值化閾值，然后根據閾值將圖像分為前景（白色，255）或者背景（黑色，0）。在Matlab中可以使用如下代碼利用Otsu法尋找合適閾值進行圖像二值化：

threshold = graythresh(G); %使用最大類間方差法找到圖片的一個合適的閾值(threshold) bw=im2bw(G, threshold); %將灰度圖像轉換為二值圖像，二值化默認閾值是0.5，這里使用Otsu法求出的threshold

這時得到二值化后的圖像如下：

此時，我們已經基本實現問題描述（一）中的要求，已經去除了背景黑色字印記。本來可以收工了，但是強迫癥患者表示二值圖中還有黑色的噪點，于是還得繼續處理啊。

• 問題描述（二）：
  
  去除二值圖上的噪點（紅色橢圓圈出）。

• 問題的分析與解決（二）：

  首先，我們的目標是去除二值圖上的噪點，這些本來相對不明顯的噪點因為二值化而顯現為黑色。為了解決這個問題，我第一時間想到是膨脹、腐蝕這種形態學的方法。

  原圖像進行膨脹和腐蝕運算后的效果為：膨脹運算可使圖像擴展，使其顆粒變大，線條變粗，孔和縫隙減小或消失；腐蝕運算可使圖像收縮，使其顆粒變小，線條變細，孔和縫隙增大。膨脹和腐蝕運算產生的效果為：根據膨脹運算的特性，膨脹運算可用于圖像暗細節的消除和亮區域邊緣的增強；根據腐蝕運算的特性，腐蝕運算可以用于圖像亮細節的消除和減弱亮區域邊緣。

  開運算（先腐蝕再膨脹）和閉運算（先膨脹再腐蝕）產生的效果：（1）灰度開運算可消除比結構元素尺寸小的亮細節，（2）閉運算可消除比結構元素小的暗細節。通常，用開運算來抑制正脈沖噪聲，消除圖像毛刺及孤立斑點，除去“l”噪聲（要比結構元素小）；閉運算則用來抑制負脈沖噪聲，填充圖像漏洞和裂縫，補充“0”噪聲（要比結構元素小）。

  由于上述對膨脹、腐蝕、開運算和閉運算能夠產生的效果的描述都是針對灰度值為255的高亮區域的，即對高亮部分的膨脹就是對黑色部分的腐蝕，對高亮部分的閉運算就是對黑色部分的開運算。于是，我認為對原二值圖像的膨脹或閉運算可能能消除掉這些黑色的噪點，于是使用代碼實驗如下：

se=strel('square',2); %方型結構元素 extend = imdilate(bw, se); %對二值圖像做膨脹處理 fc=imclose(bw,se); %直接閉運算

對高亮部分進行膨脹（相當于腐蝕黑色部分）：

對二值圖像做閉運算：

可以看出，不管是膨脹還是閉運算，黑色噪點得到了一定地消除，不過并不完全，有較大的噪點依舊保留下來，同時對需要保留下來的輪廓產生了一定程度的影響，不能達到理想效果。

正在我冥思苦想之時，我同學點撥了我。不管是膨脹還是腐蝕用來去噪，都只能處理相對較小的噪點。由于二值圖像中某些噪點不只有一個像素，所以不能完全去除干凈。可以使用連通域的方法，把黑色噪點當作一個連通域，通過找到一個閾值，去除低于閾值大小的連通域來去除噪點。于是通過查閱文獻，發現可以使用Matlab中的bwareaopen函數來去除連通域。

因為連通域操作，操作的連通域是白色部分，所以如果需要處理的圖中需要做連通域的部分是黑色的，就需要做一個灰色反轉。如果是灰度圖像： img = 255 - img; 如果是二值圖像： img = 1 - img。于是我們通過以下代碼把黑色噪點當作小的連通域進行去除。經過試驗，我們選取set_noise閾值為24時效果對該二值圖效果最好。

bw = 1-bw; %灰度反轉 img = bwareaopen(bw,24); %對bw圖像做連通域操作，去除那些像素數據小于24(set_noise)數目的連通域塊 img = 1-img; %灰度再反轉回來 figure,imshow(img)

通過去除小的連通域（黑色噪點）得到處理后的最終圖片：

代碼如下：

clear close all I=imread('example.jpg'); figure,imshow(I) G=rgb2gray(I); %灰度化 figure,imshow(G) %窗口顯示灰度圖，如果前不加figure，那么后續只要出現imshow，那么將會覆蓋掉這個顯示灰度圖的窗口 figure,imhist(G) %窗口顯示直方圖 threshold = graythresh(G); %使用最大類間方差法找到圖片的一個合適的閾值(threshold) bw=im2bw(G, threshold); %將灰度圖像轉換為二值圖像，二值化默認閾值是0.5，這里使用Otsu求出的threshold figure,imshow(bw) bw = 1-bw; %灰度反轉 img = bwareaopen(bw,24); %對bw圖像做連通域操作，去除那些像素數據小于24(set_noise)數目的連通域塊 img = 1-img; %灰度再反轉回來 figure,imshow(img)

總結

以上是生活随笔為你收集整理的CV小白成长记之一：去除图片背景印记及噪点的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。