使用python对图像进行去噪,较为简单,为追求更好的效果,可能还需要上模型。
效果对比
假设我关心安全帽部位,可以看到右侧去噪之后,安全帽轮廓更加干净。
我的模型是用较为清晰的图像训练的。在我的模型上,左侧这种较为模糊的图片图片会发生误识别(即将图中人员识别为未戴安全帽),右侧会识别为"带了安全帽"。
代码
python
import cv2
import os
from PIL import Image
import numpy as np
def denoise_image(image_path, output_path):
# 使用 OpenCV 读取图像
img = cv2.imread(image_path)
if img is None:
print(f"Error loading image {image_path}")
return
# 去噪处理
# 适用于彩色图像的去噪
denoised_img = cv2.fastNlMeansDenoisingColored(img, None, 4, 4, 7, 21)
# 将处理后的图像转换为 PIL 格式并保存
denoised_pil_img = Image.fromarray(cv2.cvtColor(denoised_img, cv2.COLOR_BGR2RGB))
denoised_pil_img.save(output_path)
print(f"Saved denoised image to {output_path}")
def process_images_in_folder(folder_path, output_folder):
# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)
# 遍历文件夹中的所有图像文件
for file_name in os.listdir(folder_path):
if file_name.lower().endswith(('.png', '.jpg', '.jpeg')):
input_path = os.path.join(folder_path, file_name)
base_name = os.path.splitext(file_name)[0]
output_file_name = f"{base_name}_denoise_img{os.path.splitext(file_name)[1]}"
output_path = os.path.join(output_folder, output_file_name)
denoise_image(input_path, output_path)
# 替换以下路径
input_folder_path = r'E:\noise'
output_folder_path = r'E:\denoise'
# 执行处理
process_images_in_folder(input_folder_path, output_folder_path)