2022年 11月 8日

python图像去燥_python 图片去噪的方法示例

图像可能在生成、传输或者采集过程中夹带了噪声,去噪声是图像处理中常用的手法。通常去噪声用滤波的方法,比如中值滤波、均值滤波。但是那样的算法不适合用在处理字符这样目标狭长的图像中,因为在滤波的过程中很有可能会去掉字符本身的像素。

一个采用的是去除杂点的方法来进行去噪声处理的。具体算法如下:扫描整个图像,当发现一个黑色点的时候,就考察和该黑色点间接或者直接相连接的黑色点的个数有多少,如果大于一定的值,那就说明该点不是离散点,否则就是离散点,把它去掉。在考察相连的黑色点的时候用的是递归的方法。此处,我简单的用python实现了,大家可以参考以下。

#coding=utf-8

“””

造物奇迹QQ2737499951

“””

import cv2

import numpy as np

from matplotlib import pyplot as plt

from PIL import Image,ImageEnhance,ImageFilter

img_name = ‘test.jpg’

#去除干扰线

im = Image.open(img_name)

#图像二值化

enhancer = ImageEnhance.Contrast(im)

im = enhancer.enhance(2)

im = im.convert(‘1’)

data = im.getdata()

w,h = im.size

#im.show()

black_point = 0

for x in xrange(1,w-1):

for y in xrange(1,h-1):

mid_pixel = data[w*y+x] #中央像素点像素值

if mid_pixel == 0: #找出上下左右四个方向像素点像素值

top_pixel = data[w*(y-1)+x]

left_pixel = data[w*y+(x-1)]

down_pixel = data[w*(y+1)+x]

right_pixel = data[w*y+(x+1)]

#判断上下左右的黑色像素点总个数

if top_pixel == 0:

black_point += 1

if left_pixel == 0:

black_point += 1

if down_pixel == 0:

black_point += 1

if right_pixel == 0:

black_point += 1

if black_point >= 3:

im.putpixel((x,y),0)

#print black_point

black_point = 0

im.show()

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。