快捷導(dǎo)航

Python如何去除圖片干擾代碼示例

更新時間：2025年06月17日 11:47:43 作者：detayun

圖片降噪是一個廣泛應(yīng)用于圖像處理的技術(shù),可以提高圖像質(zhì)量和相關(guān)應(yīng)用的效果,這篇文章主要介紹了Python如何去除圖片干擾的相關(guān)資料,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下

一、噪聲去除

1. 高斯噪聲（像素值正態(tài)分布擾動）

方法：高斯濾波、雙邊濾波、小波變換

代碼示例（OpenCV）：

import cv2
import numpy as np

# 讀取圖像并添加高斯噪聲
image = cv2.imread('noisy_image.jpg')
noise = np.random.normal(0, 25, image.shape).astype(np.uint8)
noisy_image = cv2.add(image, noise)

# 高斯濾波去噪
gaussian_filtered = cv2.GaussianBlur(noisy_image, (5, 5), 0)

# 雙邊濾波（保留邊緣）
bilateral_filtered = cv2.bilateralFilter(noisy_image, d=9, sigmaColor=75, sigmaSpace=75)

cv2.imshow('Original', image)
cv2.imshow('Gaussian Filtered', gaussian_filtered)
cv2.imshow('Bilateral Filtered', bilateral_filtered)
cv2.waitKey(0)

2. 椒鹽噪聲（隨機黑白像素點）

方法：中值濾波

代碼示例（OpenCV）：

# 添加椒鹽噪聲（示例）
x = image.reshape(-1)
SNR = 0.85
noise_num = int(x.size * (1 - SNR))
random_indices = np.random.choice(x.size, noise_num, replace=False)
x[random_indices] = np.random.choice([0, 255], noise_num)
noisy_image = x.reshape(image.shape)

# 中值濾波去噪
median_filtered = cv2.medianBlur(noisy_image, 5)

3. 復(fù)雜噪聲（如偽影）

方法：非局部均值去噪（NLM）

代碼示例（Scikit-image）：

from skimage import io, img_as_float
from skimage.restoration import denoise_nl_means

image = img_as_float(io.imread('noisy_image.jpg'))
denoised = denoise_nl_means(image, h=0.1, fast_mode=True, patch_size=5, patch_distance=3)

二、特定干擾去除

1. 干擾線（如掃描文檔中的橫線）

方法：二值化 + 鄰域分析

代碼示例（Pillow）：

from PIL import Image, ImageFilter

def remove_lines(image_path, threshold=128):
    image = Image.open(image_path).convert('L')  # 轉(zhuǎn)為灰度
    binarized = image.point(lambda x: 0 if x < threshold else 255, '1')
    clean = binarized.copy()
    width, height = binarized.size

    for y in range(1, height-1):
        for x in range(1, width-1):
            if binarized.getpixel((x, y)) == 0:
                neighbors = [binarized.getpixel((x-1, y)), binarized.getpixel((x+1, y)),
                             binarized.getpixel((x, y-1)), binarized.getpixel((x, y+1))]
                if neighbors.count(0) >= 2:
                    clean.putpixel((x, y), 255)
    return clean

cleaned_image = remove_lines('document.jpg')
cleaned_image.save('cleaned_document.jpg')

2. 強光干擾（過曝區(qū)域）

方法：顏色空間轉(zhuǎn)換 + 閾值調(diào)整

代碼示例（OpenCV）：

import cv2
import numpy as np

image = cv2.imread('overexposed.jpg')
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
lower = np.array([0, 0, 200])  # V通道閾值
upper = np.array([180, 255, 255])
mask = cv2.inRange(hsv, lower, upper)

# 降低過曝區(qū)域亮度
image[mask != 0] = cv2.add(image[mask != 0], (0, 0, -80))
cv2.imwrite('corrected.jpg', image)

三、深度學(xué)習(xí)進(jìn)階方案

對于復(fù)雜場景（如混合噪聲、紋理干擾），可使用預(yù)訓(xùn)練模型（如U-Net、DnCNN）：

import torch
from torchvision import models

# 加載預(yù)訓(xùn)練去噪模型（示例）
model = models.DnCNN().eval()
model.load_state_dict(torch.load('dncnn_pretrained.pth'))

# 預(yù)處理輸入
input_tensor = preprocess(noisy_image)  # 需自定義預(yù)處理函數(shù)
with torch.no_grad():
    output = model(input_tensor)
denoised_image = postprocess(output)  # 自定義后處理函數(shù)