python 图像去噪

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 复制代码
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)
相关推荐
无限进步_8 分钟前
C语言指针全面解析:从内存管理到高级应用
c语言·开发语言
W.D.小糊涂16 分钟前
Qt 5.14.2+Mysql5.7 64位开发环境下无法连接数据库
开发语言·qt
_OP_CHEN24 分钟前
C++基础:(八)STL简介
开发语言·c++·面试·stl
依旧很淡定28 分钟前
Selenium(Python)创建Chrome浏览器实例
chrome·python·selenium
中文Python29 分钟前
小白中文Python-db_桌面小黄鸭宠物
数据库·python·pygame·宠物·中文python·小白学python
无敌最俊朗@38 分钟前
Qt 多线程与并发编程详解
linux·开发语言·qt
消失的旧时光-19431 小时前
Kotlin Flow 与“天然背压”(完整示例)
android·开发语言·kotlin
ClassOps1 小时前
Kotlin invoke 函数调用重载
android·开发语言·kotlin
小苏兮2 小时前
【C++】stack与queue的使用与模拟实现
开发语言·c++
MoRanzhi12032 小时前
12. Pandas 数据合并与拼接(concat 与 merge)
数据库·人工智能·python·数学建模·矩阵·数据分析·pandas