快捷導(dǎo)航

Python實現(xiàn)二值掩膜影像去噪與邊緣強化方法詳解

更新時間：2023年01月28日 09:44:02 作者：傾城一少

這篇文章主要介紹了Python實現(xiàn)二值掩膜影像去噪與邊緣強化方法，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)吧

前言

這篇博客主要解決的一個問題是掩膜圖像的噪聲去除和邊緣強化，如下圖1所示?？梢钥吹窖谀D像上有很多的斑點噪聲，而且掩膜的輪廓也不夠清晰。所以我們的目標就是一方面盡可能把這些斑點噪聲去除，另一方面盡量突出掩膜邊界。另外處理后的掩膜可以比真值大一些，但最好不能小。

圖1 原始二值化影像

一、方法

因為之前有做過相關(guān)的工作，所以對于保留邊界的斑點噪聲消除第一反應(yīng)是使用中值濾波。但很顯然對于我們這個應(yīng)用，單純中值濾波是不夠的。所以就想著那就采用多步處理，融合形態(tài)學(xué)操作。因此設(shè)計了一種如下圖所示的方法。

圖2 二值掩膜影像去噪與邊緣強化技術(shù)路線圖

中值濾波比較好理解，就是為了消除斑點噪聲。而腐蝕操作這是為了處理一些稍大的面狀的噪聲，通過多次的腐蝕，盡可能消除它們。而后續(xù)的3次膨脹操作則是對應(yīng)3次腐蝕，恢復(fù)成“原樣”。然后是一個二值化，目的在于進一步去除一些噪聲并且強調(diào)輪廓。因為有一些較暗的像素經(jīng)過3次膨脹就會形成很大一塊區(qū)域。因此，通過二值化可以過濾掉。最后膨脹一方面是為了滿足要求“比真值大一些”，另一方面是填充由于腐蝕或者二值化帶來的一些空洞。

二、代碼

Python版本代碼實現(xiàn)如下，非常簡單。

import cv2
import numpy as np
import os
def findFiles(root_dir, filter_type, reverse=False):
    print("Finding files ends with \'" + filter_type + "\' ...")
    separator = os.path.sep
    paths = []
    names = []
    files = []
    for parent, dirname, filenames in os.walk(root_dir):
        for filename in filenames:
            if filename.endswith(filter_type):
                paths.append(parent + separator)
                names.append(filename)
    for i in range(paths.__len__()):
        files.append(paths[i] + names[i])
    print(names.__len__().__str__() + " files have been found.")
    paths.sort()
    names.sort()
    files.sort()
    if reverse:
        paths.reverse()
        names.reverse()
        files.reverse()
    return paths, names, files
if __name__ == '__main__':
    root_dir = "./mask" # 影像的輸入路徑
    out_dir = "./mask/refine"   # 結(jié)果的輸出路徑
    file_type = ".jpg"  # 文件類型
    median_kernel = 7   # 中值濾波卷積核大小
    morph_kernel1 = 5   # 形態(tài)學(xué)操作卷積核大小1
    morph_kernel2 = 5   # 形態(tài)學(xué)操作卷積核大小2
    morph_iter1 = 3 # 形態(tài)學(xué)操作迭代次數(shù)1
    morph_iter2 = 3 # 形態(tài)學(xué)操作迭代次數(shù)2
    paths, names, files = findFiles(root_dir, file_type)
    kernel1 = np.ones((morph_kernel1, morph_kernel1), np.uint8)
    kernel2 = np.ones((morph_kernel2, morph_kernel2), np.uint8)
    for i in range(len(files)):
        img_gray = cv2.imread(files[i], cv2.IMREAD_GRAYSCALE)
        # 主要流程：先做一次中值濾波，去除零碎像素噪聲點
        # 然后再做3次腐蝕操作去除一些噪聲塊，再做3次膨脹操作填充回來
        # 然后，做個Otsu二值化，把一些潛在的噪聲去除
        # 最后，為了使掩膜盡可能包含真值，再做一次膨脹操作
        img_median = cv2.medianBlur(img_gray, ksize=median_kernel)
        img_erode = cv2.erode(img_median, kernel1, iterations=morph_iter1)
        img_dilate = cv2.dilate(img_erode, kernel1, iterations=morph_iter1)
        ret, img_threshold = cv2.threshold(img_dilate, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
        img_mask = cv2.dilate(img_threshold, kernel2, iterations=morph_iter2)
        # 繪制輪廓，可視化，以及保存
        _, contours, _ = cv2.findContours(img_mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        img_rgb = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR)
        img_contours = cv2.drawContours(img_rgb, contours, -1, (0, 0, 255))
        cv2.imwrite(out_dir + "/" + names[i].split(".")[0] + "_refine.jpg", img_mask)
        cv2.imwrite(out_dir + "/" + names[i].split(".")[0] + "_range.jpg", img_contours)
        # 如果需要查看每一步結(jié)果，可以把下面這些注釋掉
        # cv2.imwrite(out_dir + "/" + names[i].split(".")[0] + "_median.jpg", img_median)
        # cv2.imwrite(out_dir + "/" + names[i].split(".")[0] + "_erode.jpg", img_erode)
        # cv2.imwrite(out_dir + "/" + names[i].split(".")[0] + "_dilate.jpg", img_dilate)
        # cv2.imwrite(out_dir + "/" + names[i].split(".")[0] + "_threshold.jpg", img_threshold)
        print(i + 1, "/", len(files))