影像處理技術（二）濾波去噪（下）

-----接上一篇文章------------------------------------------------------

六、     非區域去噪

使用非區域平均去噪演算法進行影像去噪，并多次計算進行優化
  CvInvoke.FastNlMeansDenoising(img, img);

七、     彩色模糊

色彩聚類平滑濾波    用于區域分割
CvInvoke.PyrMeanShiftFiltering(img, img, 5, 5, 2, new MCvTermCriteria(2));

八、     離散余弦變換DCT濾波

/// <summary>
       ///離散余弦變換(Dct)濾波
/// </summary>
        /// <param name="mat">影像加載到opencv的mat資料格式</param>
        /// <returns></returns>
        public static Mat Dct(Mat mat)
        {
            if (mat.NumberOfChannels < 3)//單通道影像，即二值化圖或者灰度圖
            {
                if (mat.Size.Height % 2 != 0)//影像長寬需要為偶數，如果不是則進行擴邊處理
                {
                    CvInvoke.CopyMakeBorder(mat, mat, 0, 1, 0, 0, BorderType.Constant);
                }
                if (mat.Size.Width % 2 != 0) //影像長寬需要為偶數，如果不是則進行擴邊處理
                {
                    CvInvoke.CopyMakeBorder(mat, mat, 0, 0, 0, 1, BorderType.Constant);
                }
                Mat matdst = new Mat();
                Emgu.CV.XPhoto.XPhotoInvoke.DctDenoising(mat, matdst, 8);
                return matdst;
            }
            else
            {
                Mat[] Matbgr = mat.Split();//三通道影像，需要拆分三個獨立的單通道進行處理，
                for (int i = 0; i < Matbgr.Length; i++)
                {
                    Matbgr[i] = Dct(Matbgr[i]);//按單通道處理
                }
                List<Mat> listmat = new List<Mat>();
                for (int i = 0; i < Matbgr.Length; i++)
                {
                    listmat.Add(Matbgr[i]);
                }
                VectorOfMat vm = new VectorOfMat(listmat.ToArray());//合并處理后的通道
                CvInvoke.Merge(vm, mat);
                return mat;
            }
        }

九、     閾值濾波

思路：

1.影像轉成灰度

2.計算灰度平均值

3.以灰度平均值作為臨界點進行二值化處理

4.輪廓檢測

5.遍歷所有的輪廓，得到每個輪廓的矩形范圍（一般就是每個噪聲點的范圍）

6.判斷每個矩形的長寬是否小于給定值，并用白色在原來的影像上進行填充，即把認為是噪點的范圍用白色顏色填充

7.回傳處理后的影像

Image image = Image.FromFile("xx.jpg");
Int k=5;//濾波核,
  Image<Bgr, Byte> img = new Image<Bgr, byte>((Bitmap)image);
                Image<Gray, Byte> gray = img.Convert<Gray, Byte>();
                Gray average = gray.GetAverage();//平均值
                CvInvoke.Threshold(gray, gray, average.MCvScalar.V0 - average.MCvScalar.V0 * 0.2, 255, ThresholdType.Binary);//二值化

                using (VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint())
                {
                    CvInvoke.FindContours(gray, contours, gray, RetrType.List, ChainApproxMethod.ChainApproxSimple);
                    int count = contours.Size;
                    for (int i = 0; i < count; i++)
                    {
                        using (VectorOfPoint contour = contours[i])
                        using (VectorOfPoint approxContour = new VectorOfPoint())
                        {
                            Rectangle rec = CvInvoke.BoundingRectangle(contour);
                            if (rec.Width <= k && rec.Height <= k)
                            {
                                CvInvoke.Rectangle(img, rec, new MCvScalar(255, 255, 255), -1);
                            }
                        }
                    }
                }
                return img.Bitmap;

k=15 濾波結果，小黑點基本除去干凈

標籤：其他

上一篇：豬齒魚平臺中的微服務資料一致性解決方案

下一篇：Python實作人臉識別功能，face_recognition的使用 | 機器學習