Python，OpenCV中的非局部均值去噪（Non-Local Means Denoising）

• • 1. 效果圖
  • 2. 原理
  • 3. 源碼
  • • 2.1 單彩色圖去噪
    • 2.2 多連續彩色幀去噪
  • 參考

這篇博客將介紹不同的計算攝影技術——非局部均值去噪（Non-Local Means Denoising），以去除圖像中的噪聲。OpenCV提供了4個方法實現該算法；

• cv2.FastNLMeansDeoising() 適用于單個灰度圖像
• cv2.FastNLMeansDeoisingColor() 適用于彩色圖像。
• cv2.fastNlMeansDenoisingMulti() 適用于短時間內捕獲的圖像序列（灰度圖像）
• cv2.fastNlMeansDenoisingColoredMulti() 適用于短時間內捕獲的圖像序列(彩色圖像）

1. 效果圖

原圖 VS 彩色圖像去噪效果圖1如下：

原圖 VS 彩色圖像去噪效果圖2如下：
可以看到去噪的效果圖右看起來更加磨皮美白了，穎寶更加動人了。

對彩色圖像序列幀進行去噪，原圖灰度圖 VS 噪音圖 VS 去噪效果圖1如下：
可能因為圖像的原因，看著不是很明顯~

對彩色圖像序列幀進行去噪，原圖灰度圖 VS 噪音圖 VS 去噪效果圖2如下：
用自己的數據集，效果看起來也基本差不多~

2. 原理

• 前邊學習幾種圖像平滑方法：如高斯模糊，均值模糊，中值模糊，它們在一定程度上很好地去除了少量的噪聲。 這些技術在一個像素周圍選取一個小鄰域，并進行一些操作，如高斯加權平均、值的均值、中值等，以替換中心元素。簡言之，像素處的噪聲消除是其鄰近區域的局部問題。

• 與之前看到的模糊技術相比，非局部均值去噪需要更多的時間，但效果非常好。

• 非局部均值去噪需要一組相似的圖像來平均噪聲。考慮圖像中的一個小窗口（比如說5x5窗口）。同一補丁可能在圖像中的其他地方的可能性很大。

• 對于彩色圖像，非局部均值去噪將圖像轉換為CIELAB顏色空間，然后分別對L和AB分量進行去噪。

• h：決定過濾器強度的參數。較高的h值可以更好地去除噪聲，但也可以去除圖像的細節(建議10）
• hForColorComponents：與h相同，但僅適用于彩色圖像(通常與h相同）
• TemplateWindowsSize: 應該是奇數(建議7）
• SearchWindowsSize: 應該是奇數(建議21）

3. 源碼

2.1 單彩色圖去噪

# 圖像去噪：非局部均值去噪（Non-Local MeansDenoising）# 前面已經學習了許多圖像平滑技術，如高斯模糊、均值模糊、中值模糊等，它們在一定程度上很好地去除了少量的噪聲。
# 這些技術在一個像素周圍選取一個小鄰域，并進行一些操作，如高斯加權平均、值的中值等，以替換中心元素。簡言之，像素處的噪聲消除是其鄰近區域的局部問題。
# 需要一組相似的圖像來平均噪聲?？紤]圖像中的一個小窗口（比如說5x5窗口）。同一補丁可能在圖像中的其他地方的可能性很大。# 與之前看到的模糊技術相比，它需要更多的時間，但效果非常好。
# 對于彩色圖像，將圖像轉換為CIELAB顏色空間，然后分別對L和AB分量進行去噪。# 對單個彩色圖像進行去噪
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('images/ml.jpg')dst = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21)plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.xticks([]), plt.yticks([]), plt.title("origin")
plt.subplot(122), plt.imshow(cv2.cvtColor(dst, cv2.COLOR_BGR2RGB))
plt.xticks([]), plt.yticks([]), plt.title("dst")
plt.show()

2.2 多連續彩色幀去噪

# 對彩色圖像序列幀進行去噪
import cv2
import numpy as np
from matplotlib import pyplot as pltcap = cv2.VideoCapture('images/Megamind.avi')# 對前5幀創建一個lsit
img = [cap.read()[1] for i in range(5)]# 均轉換為灰度圖
gray = [cv2.cvtColor(i, cv2.COLOR_BGR2GRAY) for i in img]# 轉換為float64
gray = [np.float64(i) for i in gray]# 填充一些噪聲點 create a noise of variance 25
noise = np.random.randn(*gray[1].shape) * 10# 添加噪聲到圖像中
noisy = [i + noise for i in gray]# 轉換為圖像uint8
noisy = [np.uint8(np.clip(i, 0, 255)) for i in noisy]# 考慮5幀圖像，對第2幀進行去噪，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.xticks([]), plt.yticks([]), plt.title("origin")plt.subplot(132), plt.imshow(noisy[2], 'gray')
plt.xticks([]), plt.yticks([]), plt.title("noise")plt.subplot(133), plt.imshow(dst, 'gray')
plt.xticks([]), plt.yticks([]), plt.title("dst")
plt.show()

參考

• https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_photo/py_table_of_contents_photo/py_table_of_contents_photo.html#py-table-of-content-photo

總結

以上是生活随笔為你收集整理的Python，OpenCV中的非局部均值去噪（Non-Local Means Denoising）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。