图像处理20210711

共计 811 个字符，预计需要花费 3 分钟才能阅读完成。

提醒：本文最后更新于 2024-08-26 17:30，文中所关联的信息可能已发生改变，请知悉！

多方面的降噪检测

多尺度降噪

为了方便进行多尺度降噪，我将降噪函数的接口进行修改，最终封装在 denoise.py 中。

其中，对外开放的函数是：denoise(img_address, color=0, k=1)

img_address：图像地址

color：决定图片以何种形式读入（如 BGR/ 灰度），默认为灰度

k：多尺度指数（决定缩小几倍），默认为 1

代码示例：

# python3.8
# utf-8

from denoise import *

if __name__ == '__main__':
    denoise('img_noise.png', 1, 2)

存在的问题

该算法将抽离出的小图直接进行修改，并打回原图，而在边缘部分，因缩小而造成的信息损失会使修改不一定合理，如下图所示：

可以看到在噪声被去除的同时，边缘部分会变得不平滑，反而产生一些噪声，这一点，在下面的“降噪合理性”中，也被证明。

所以这也应证了我一开始的猜想：不应该对小图直接修改，而是应该将小图中被标记的噪声也同样标记到大图中，统一处理。

降噪合理性

这部分，我同样做了接口调整，并封装在 rationality.py 中

其中，有两个函数：

qufendu(origin_address, denoise_address) # 求区分度

chayidu(origin_address, denoise_address) # 求差异度

代码示例：

# python3.8
# utf-8

import rationality as rtn

if __name__ == '__main__':
    rtn.qufendu('img_noise.png', 'denoised_img_noise.png')
    rtn.chayidu('img_noise.png', 'denoised_img_noise.png')

效果：