如何去除图像 OpenCV、Python 中的噪声？

Question

我有一些裁剪的图像，我需要在白色背景上有黑色文本的图像。首先我应用自适应阈值，然后我尝试去除噪音。虽然我尝试了很多降噪技术但是当图像发生变化时，我使用的技术失败了。

将图像颜色转换为二进制图像的最佳方法是自适应高斯阈值。这是我的代码：

im_gray = cv2.imread("image.jpg",  cv2.IMREAD_GRAYSCALE)
image = cv2.GaussianBlur(im_gray, (5,5), 1)
th =  cv2.adaptiveThreshold(image,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,3,2)

我需要平滑值、小数分隔符（点）和后缀字母。我怎样才能做到这一点？

Answer 1

在 Python/OpenCV 中使用除法归一化可以做得更好一些。

输入：

import cv2
import numpy as np

# load image
img = cv2.imread("license_plate.jpg")

# convert to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# blur
blur = cv2.GaussianBlur(gray, (0,0), sigmaX=33, sigmaY=33)

# divide
divide = cv2.divide(gray, blur, scale=255)

# otsu threshold
thresh = cv2.threshold(divide, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]

# apply morphology
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
morph = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

# write result to disk
cv2.imwrite("hebrew_text_division.jpg", divide)
cv2.imwrite("hebrew_text_division_threshold.jpg", thresh)
cv2.imwrite("hebrew_text_division_morph.jpg", morph)

# display it
cv2.imshow("gray", gray)
cv2.imshow("divide", divide)
cv2.imshow("thresh", thresh)
cv2.imshow("morph", morph)
cv2.waitKey(0)
cv2.destroyAllWindows()

部门形象：

阈值图像：

形态学清洁图像：

Answer 2

在二值化之前，需要对背景的非均匀光照进行校正。例如，像这样：

import cv2

image = cv2.imread('9qBsB.jpg')
image=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
se=cv2.getStructuringElement(cv2.MORPH_RECT , (8,8))
bg=cv2.morphologyEx(image, cv2.MORPH_DILATE, se)
out_gray=cv2.divide(image, bg, scale=255)
out_binary=cv2.threshold(out_gray, 0, 255, cv2.THRESH_OTSU )[1] 

cv2.imshow('binary', out_binary)  
cv2.imwrite('binary.png',out_binary)

cv2.imshow('gray', out_gray)  
cv2.imwrite('gray.png',out_gray)

结果：

Answer 3

我假设您正在对图像进行 OCR（光学字符识别）预处理

我有一个检测车牌的项目，这些是我所做的步骤，您可以将它们应用到您的项目中。对图像进行灰度化后，尝试对图像应用均衡直方图，这允许图像中对比度较低的区域获得较高的对比度。然后模糊图像以减少背景中的噪音。接下来对图像应用边缘检测，确保充分去除噪声，因为 ED 很容易受到噪声影响。最后，对图像应用闭合（膨胀然后腐蚀）以闭合单词内的所有小孔。