我试图实现以下算法,但是结果图像看起来相同。
步骤1 :阅读嘈杂的图像。
步骤2 :选择中心元素大小3x3的2D窗口处理像素。假设像素是处理的是pIJ。
步骤3 :如果PIJ是一个未腐烂的像素(即0< pIJ< 255),然后它的值保持不变。
步骤4 :如果PIJ= 0或pIJ= 255,然后pIJ是一个损坏的像素。
步骤5 :如果3/4Th或选定窗口中的更多像素嘈杂然后将窗口尺寸增加到5x5。步骤6:如果所选窗口中的所有元素为0,并且255,然后更换PIJ与元素的平均值在窗口中,否则转到步骤7。
步骤7 :从所选窗口中消除0和255并找到其余要素的中位价值。更换Pij中位价值。
步骤8 :重复步骤2至6,直到整个像素中的所有像素图像已处理。
这是我的代码。请提出改进。
import Image
im=Image.open("no.jpg")
im = im.convert('L')
for i in range(2,im.size[0]-2):
for j in range(2,im.size[1]-2):
b=[]
if im.getpixel((i,j))>0 and im.getpixel((i,j))<255:
pass
elif im.getpixel((i,j))==0 or im.getpixel((i,j))==255:
c=0
for p in range(i-1,i+2):
for q in range(j-1,j+2):
if im.getpixel((p,q))==0 or im.getpixel((p,q))==255:
c=c+1
if c>6:
c=0
for p in range(i-2,i+3):
for q in range(j-2,j+3):
b.append(im.getpixel((p,q)))
if im.getpixel((p,q))==0 or im.getpixel((p,q))==255:
c=c+1
if c==25:
a=sum(b)/25
print a
im.putpixel((i,j),a)
else:
p=[]
for t in b:
if t not in (0,255):
p.append(t)
p.sort()
im.putpixel((i,j),p[len(p)/2])
else:
b1=[]
for p in range(i-1,i+2):
for q in range(j-1,j+2):
b1.append(im.getpixel((p,q)))
im.putpixel((i,j),sum(b1)/9)
im.save("nonoise.jpg")
您应该使用中位过滤器,在盐和胡椒噪声方面易于实现,工作非常好。
正如奥利维尔(Olivier)所建议的那样,中值过滤器提供了最佳结果。
这是我生成的代码,用于将盐和胡椒噪声添加到图像中。该代码适用于python,带有OpenCV 3.0.0:
import numpy as np
import cv2
img = cv2.imread('3.jpg', 1)
row,col,ch = img.shape
p = 0.5
a = 0.009
noisy = img
# Salt mode
num_salt = np.ceil(a * img.size * p)
coords = [np.random.randint(0, i - 1, int(num_salt))
for i in img.shape]
noisy[coords] = 1
# Pepper mode
num_pepper = np.ceil(a * img.size * (1. - p))
coords = [np.random.randint(0, i - 1, int(num_pepper))
for i in img.shape]
noisy[coords] = 0
cv2.imshow('noisy', noisy)
这是使用中间过滤器的代码:
median_blur= cv2.medianBlur(noisy, 3)
cv2.imshow('median_blur', median_blur)
cv2.waitKey()
cv2.destroyAllWindows()
可以根据要求对嘈杂图像进行模糊的窗口。
您的输入图像是什么样的?您的算法假设只有像素值0和255是噪声。如果您的嘈杂像素实际上具有除此之外的其他值,那么您的算法不会做任何事情,并且您可能会看到输出看起来与输入相同。