图像处理20210801

共计 586 个字符，预计需要花费 2 分钟才能阅读完成。

提醒：本文最后更新于 2024-08-27 10:29，文中所关联的信息可能已发生改变，请知悉！

增加噪声

将噪声个数增加到 10%（实验中具体为 4000 个）

import cv2 as cv
import numpy as np
import random

img = cv.imread("img.png", 1)
(rows, cols, chn) = img.shape
cv.imshow("img.png", img)

# 加噪声
for i in range(4000):
    x = np.random.randint(0, rows)
    y = np.random.randint(0, cols)
    img[x, y, :] = random.randint(0, 255)

cv.imshow("noise", img)
cv.imwrite("img_noise.png", img)
cv.waitKey()
cv.destroyAllWindows()

得到：

降噪

降噪结果

用上周的方法尝试，得到如下结果：

可以看到结果中仍然有部分噪声未被清除

合理性

区分度

差异度

再次处理

调整参数，且再次处理，得到：

可以看到，“内部”的噪声去除，只剩下，图像边界（四周）和图像边缘残留部分噪声（呈毛刺状，且在原图大小时，噪声不明显）

尝试批量处理

在测试中，发现：速度上基本不能满足测试的要求

可能原因：

• 常见的图片（一般为现在的普通手机的照片）像素较高，基本远大于测试用图（200*200）
• 程序步骤多（包含读入、检测噪声、清除噪声、写入、检测区分度、检测差异度）

所以程序仍需改进