如何消除渐变背景噪音？

Question

我正在尝试从我的图像中删除渐变背景噪音。我已经尝试了许多方法，cv2但均未成功。

首先将图像转换为灰度，使其失去一些渐变，这可能有助于找到轮廓。

有人知道应对这种背景的方法吗？我什至尝试从各个角落取样并应用某种内核过滤器。

Answer 1

消除梯度的一种方法是使用cv2.medianBlur()取内核下所有像素的中值来平滑图像。然后要提取字母，可以执行cv2.adaptiveThreshold()。

模糊消除了大多数梯度噪声。您可以更改内核大小以删除更多内容，但也将删除字母的详细信息

自适应阈值图像以提取字符。从您的原始图像来看，似乎在字母c，上添加了梯度噪点x，并z使其融合到背景中。

接下来，我们可以执行cv2.Canny()检测边缘并获得

然后我们可以进行形态学开孔，cv2.morphologyEx()以清除小噪音并增强细节

现在我们使用扩张cv2.dilate()来获得单个轮廓

从这里，我们使用找到轮廓cv2.findContours()。我们遍历每个轮廓并使用cv2.contourArea()最小和最大面积进行过滤以获得边界框。根据您的图像，您可能需要调整最小/最大面积过滤器。这是结果

import cv2
import numpy as np

image = cv2.imread('1.png')

blur = cv2.medianBlur(image, 7)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,3)

canny = cv2.Canny(thresh, 120, 255, 1)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
opening = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel)
dilate = cv2.dilate(opening, kernel, iterations=2)

cnts = cv2.findContours(dilate, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

min_area = 500
max_area = 7000
for c in cnts:
    area = cv2.contourArea(c)
    if area > min_area and area < max_area:
        x,y,w,h = cv2.boundingRect(c)
        cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)

cv2.imshow('blur', blur)
cv2.imshow('thresh', thresh)
cv2.imshow('canny', canny)
cv2.imshow('opening', opening)
cv2.imshow('dilate', dilate)
cv2.imshow('image', image)
cv2.waitKey(0)