opencv的NLM去噪算法

NLM(Non-Local Means)去噪算法是一种基于图像块(patch)相似性的去噪方法。其基本原理是:

  • 图像块相似性:算法首先定义了一个搜索窗口(search window),然后在该窗口内寻找与当前处理像素所在图像块(称为参考图像块)相似的图像块。
  • 加权平均:对于每一个找到的相似图像块,算法计算其与参考图像块的相似性权重,并根据这些权重对当前处理像素的值进行加权平均,从而得到去噪后的像素值。
  • 参数设置:算法的效果很大程度上取决于几个关键参数:搜索窗口的大小、图像块的大小以及相似性度量的阈值等。
    NLM算法的优点在于能够有效地去除图像中的噪声,同时保留图像的细节和边缘信息。
    示例代码
    以下是一个使用OpenCV库实现NLM去噪算法的示例代码:
python 复制代码
python
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('noisy_image.png', cv2.IMREAD_GRAYSCALE)
 
# 添加噪声(可选,用于测试)
# noise = np.random.normal(0, 25, image.shape).astype(np.uint8)
# noisy_image = cv2.add(image, noise)
# 但这里我们假设已经有一个带噪声的图像
 
# 使用OpenCV的NLM去噪函数
h = 15  # 过滤强度。较高的h值可以更好地去除噪声,但可能会去除图像的一些细节
templateWindowSize = 7  # 模板窗口大小,应为奇数
searchWindowSize = 21  # 搜索窗口大小,应为奇数
 
denoised_image = cv2.fastNlMeansDenoising(image, None, h, templateWindowSize, searchWindowSize)
 
# 显示结果
plt.figure(figsize=(10, 5))
 
plt.subplot(1, 2, 1)
plt.title('Noisy Image')
plt.imshow(image, cmap='gray')
plt.axis('off')
 
plt.subplot(1, 2, 2)
plt.title('Denoised Image')
plt.imshow(denoised_image, cmap='gray')
plt.axis('off')
 
plt.show()

代码说明

读取图像:使用cv2.imread函数读取带噪声的图像,并将其转换为灰度图(如果图像已经是灰度图,这一步可以省略)。

添加噪声(可选):为了测试NLM去噪算法的效果,可以人为地向图像添加一些噪声。但在这个示例中,我们假设已经有一个带噪声的图像。

使用NLM去噪函数:调用cv2.fastNlMeansDenoising函数对图像进行去噪处理。该函数的参数包括:

src:输入图像。

h:过滤强度。较高的h值可以更好地去除噪声,但可能会去除图像的一些细节。

templateWindowSize:模板窗口大小,应为奇数。

searchWindowSize:搜索窗口大小,应为奇数。

显示结果:使用matplotlib库显示去噪前后的图像。

请注意,NLM去噪算法的计算复杂度较高,特别是对于大图像和较大的搜索窗口,因此在实际应用中可能需要权衡去噪效果和计算时间。

相关推荐
看到我,请让我去学习1 分钟前
OpenCV 与深度学习:从图像分类到目标检测技术
深度学习·opencv·分类
jndingxin9 分钟前
OpenCV 图像哈希类cv::img_hash::AverageHash
人工智能·opencv·哈希算法
加油加油的大力16 分钟前
入门基于深度学习(以yolov8和unet为例)的计算机视觉领域的学习路线
深度学习·yolo·计算机视觉
我爱C编程39 分钟前
基于Qlearning强化学习的1DoF机械臂运动控制系统matlab仿真
算法
chao_7891 小时前
CSS表达式——下篇【selenium】
css·python·selenium·算法
chao_7891 小时前
Selenium 自动化实战技巧【selenium】
自动化测试·selenium·算法·自动化
YuTaoShao1 小时前
【LeetCode 热题 100】24. 两两交换链表中的节点——(解法一)迭代+哨兵
java·算法·leetcode·链表
怀旧,1 小时前
【数据结构】8. 二叉树
c语言·数据结构·算法
泛舟起晶浪1 小时前
相对成功与相对失败--dp
算法·动态规划·图论
地平线开发者2 小时前
地平线走进武汉理工,共建智能驾驶繁荣生态
算法·自动驾驶