标签:10 plt 彩色图像 函数 fastNlMeansDenoising cv2 OpenCV 图像 21
CV2.fastNlMeansDenoising(非局部平均去噪)
L-Means的全称是:Non-Local Means,直译过来是非局部平均,在2005年由Baudes提出,该算法使用自然图像中普遍存在的冗余信息来去噪声。与常用的双线性滤波、中值滤波等利用图像局部信息来滤波不同的是,它利用了整幅图像来进行去噪,以图像块为单位在图像中寻找相似区域,再对这些区域求平均,能够比较好地去掉图像中存在的高斯噪声。与我们以前学习的平滑技术相比这种算法要消耗更多的时间,但是结果很好。对于彩色图像,要先转换到 CIELAB 颜色空间,然后对 L 和 AB 成分分别去噪。
1 cv2.fastNlMeansDenoising() - 使用单个灰度图像 2 cv2.fastNlMeansDenoisingColored() - 使用彩色图像。 3 cv2.fastNlMeansDenoisingMulti() - 用于在短时间内捕获的图像序列(灰度图像) 4 cv2.fastNlMeansDenoisingColoredMulti() - 与上面相同,但用于彩色图像。
1 fastNlMeansDenoisingColored( InputArray src, OutputArray dst, 2 float h = 3, float hColor = 3, 3 int templateWindowSize = 7, int searchWindowSize = 21)
共同参数有:
• h : 决定过滤器强度。h 值高可以很好的去除噪声,但也会把图像的细节抹去。(取 10 的效果不错)
• hForColorComponents : 与 h 相同,但使用与彩色图像。(与 h 相同,10)
• templateWindowSize : 奇数。(推荐值为 7)
• searchWindowSize : 奇数。(推荐值为 21)
1 import numpy as np 2 import cv2 3 import matplotlib.pyplot as plt 4 filePath = r'F:\主题一:遥感图像场景分类\val\val\水田\paddy-field_00076.jpg' 5 img = cv2.imdecode(np.fromfile(filePath,dtype=np.uint8),-1) 6 dst = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21) 7 8 plt.subplot(121), plt.imshow(img) 9 plt.subplot(122), plt.imshow(dst) 10 plt.show()
标签:10,plt,彩色图像,函数,fastNlMeansDenoising,cv2,OpenCV,图像,21 来源: https://www.cnblogs.com/ybqjymy/p/15936057.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。