2

我尝试实现以下算法，但生成的图像看起来相同。

第 1 步：读取嘈杂的图像。

第 2 步：选择 3x3 大小的 2D 窗口，中心元素作为处理像素。假设正在处理的像素是 P ij 。

步骤 3：如果 P ij 是未损坏的像素（即 0< P ij <255），则其值保持不变。

第 4 步：如果 P ij = 0 或 P ij = 255，则 P ij 是损坏的像素。

第 5 步：如果所选窗口中的 3/4 或更多像素有噪声，则将窗口大小增加到 5x5。步骤 6：如果所选窗口中的所有元素都是 0 和 255，则将 P ij 替换为窗口中元素的平均值，否则转到步骤 7。

第 7 步：从选定的窗口中消除 0 和 255，并找到剩余元素的中值。将 Pij 替换为中值。

步骤 8：重复步骤 2 到 6，直到处理完整个图像中的所有像素。

这是我的代码。请提出改进​​建议。

import Image

im=Image.open("no.jpg")
im = im.convert('L')

for i in range(2,im.size[0]-2):
    for j in range(2,im.size[1]-2):
        b=[]
        if im.getpixel((i,j))>0 and im.getpixel((i,j))<255:
            pass
        elif im.getpixel((i,j))==0 or im.getpixel((i,j))==255:
            c=0
            for p in range(i-1,i+2):
                for q in range(j-1,j+2):
                    if im.getpixel((p,q))==0 or im.getpixel((p,q))==255: 
                        c=c+1
            if c>6:
                c=0
                for p in range(i-2,i+3):
                    for q in range(j-2,j+3):
                        b.append(im.getpixel((p,q)))
                        if im.getpixel((p,q))==0 or im.getpixel((p,q))==255:
                            c=c+1
                if c==25:
                    a=sum(b)/25
                    print a
                    im.putpixel((i,j),a)
                else:
                    p=[]
                    for t in b:
                        if t not in (0,255):
                            p.append(t)
                    p.sort()
                    im.putpixel((i,j),p[len(p)/2])
            else:
                b1=[]
                for p in range(i-1,i+2):
                    for q in range(j-1,j+2):
                        b1.append(im.getpixel((p,q)))
                im.putpixel((i,j),sum(b1)/9)

im.save("nonoise.jpg")
4

3 回答 3

6

您应该使用中值滤波器，它很容易实现并且对椒盐噪声非常有效。

于 2014-03-08T17:36:47.753 回答
2

正如 Olivier 建议的那样，中值滤波器提供了最好的结果。

这是我为在图像中添加椒盐噪声而生成的代码。该代码适用于带有 OpenCV 3.0.0 的 python：

import numpy as np
import cv2

img = cv2.imread('3.jpg', 1)
row,col,ch = img.shape
p = 0.5
a = 0.009
noisy = img

  # Salt mode
num_salt = np.ceil(a * img.size * p)
coords = [np.random.randint(0, i - 1, int(num_salt))
          for i in img.shape]
noisy[coords] = 1

  # Pepper mode
num_pepper = np.ceil(a * img.size * (1. - p))
coords = [np.random.randint(0, i - 1, int(num_pepper))
          for i in img.shape]
noisy[coords] = 0

cv2.imshow('noisy', noisy)

下面是使用中值滤波器的代码：

median_blur= cv2.medianBlur(noisy, 3)
cv2.imshow('median_blur', median_blur)  

cv2.waitKey()
cv2.destroyAllWindows()

可以根据需要修改用于模糊噪声图像的窗口。

于 2016-09-30T05:34:40.947 回答
0

你的输入图像是什么样的？您的算法假设只有像素值 0 和 255 是噪声。如果您的嘈杂像素实际上具有除此之外的值，您的算法将不会做任何事情，您可能会看到输出看起来与输入相同。

于 2014-03-08T14:44:45.500 回答