使用 OpenCV 从图像背景中去除波浪噪声

Question

我想去除背景中存在的噪音。噪音不是标准模式。我想去除背景噪音并将文本保留在白色背景上。

这是一个图片示例：

我使用下面的代码非常简单的处理步骤。

import cv2 
import numpy as np

img = cv2.imread("noisy.PNG")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.subtract(255,gray)
ret,thresh = cv2.threshold(gray,5,255,cv2.THRESH_TOZERO)


noisy_removal = cv2.fastNlMeansDenoising(thresh, None, 65, 5, 21)
cv2.imwrite("finalresult.jpg",255-noisy_removal)

这是输出图像：

我怎样才能提高这个结果

Answer 1

如this post 中所述，您可以使用对比度/亮度来移除背景像素。

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

alpha = 2.5
beta = -0.0

denoised = alpha * gray + beta
denoised = np.clip(denoised, 0, 255).astype(np.uint8)

denoised = cv2.fastNlMeansDenoising(denoised, None, 31, 7, 21)

Answer 2

这也是基于噪声像素和文本的灰度差异。您可以手动调整阈值。通过考虑噪声和文本像素值的分布，您可能可以达到合理的自动阈值。下面我使用这样的阈值，即mean - std。它适用于给定的图像，但不确定它是否能正常工作。

im = cv2.imread('XKRut.jpg')
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

# calculate auto-threshold value
# noise and text pixels
_, bw = cv2.threshold(cv2.GaussianBlur(gray, (3, 3), 0), 0, 255, cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)
# find mean and std of noise and text pixel values
mu, sd = cv2.meanStdDev(gray, mask=bw)

simple = gray.copy()
# apply the auto-threshold to clean the image
thresh = mu - sd
simple[simple > thresh] = 255
simple[simple <= thresh] = 0

simple2 = simple.copy()
# clean it further considering text-like pixel density in a 3x3 window
# using avg = ~cv2.blur(simple, (3, 3)) is more intuitive, but Gaussian
# kernel gives more weight to center pixel
avg = ~cv2.GaussianBlur(simple, (3, 3), 0)
# need more than 3 text-like pixels in the 3x3 window to classify the center pixel
# as text. otherwise it is noise. this definition is more relevant to box kernel
thresh2 = 255*3/9
simple2[avg < thresh2] = 255

干净的图像：

考虑到像素密度的干净图像：

如果您的图像的像素值没有太大的变化，您可以预先计算一个最佳阈值，或 alpha、beta 对，用于 zindarod 的解决方案。