Python过滤器去除图像中的异常值

Question

编写CNN对图片进行分类。我遇到了垃圾像素的问题。 image生成的网络提供约 90% 的质量，似乎可以通过对这些像素进行平均来提高质量。 numpy、opencv 等中有没有现成的算法可以做到这一点？通常不是平滑，而是专门针对这些像素。还是我必须手动完成？

Answer 1

我同意，如果您使用 CNN 进行某种分类，您应该训练网络来处理这种噪声图像。也许可以用一些椒盐噪声来增强你的数据集。无论如何，这里有一个可能的解决方案来过滤掉异常值。它建立在 fmw42 提出的想法之上。步骤如下:

1. 使用大内核应用中值模糊
2. 将原始(未处理)图像转换为灰度
3. (反转)阈值具有低阈值(例如 5)的灰度图像，为接近 0 的异常值创建掩码>.
4. 使用高低阈值(例如 250)对灰度图像设置阈值，为接近 255 的异常值创建掩码。
5. 组合两个蒙版以创建异常值蒙版
6. 使用异常值掩码对原始输入图像进行自适应过滤，并在必要时替换中值。

让我们看看代码:

# Imports:
import cv2
import numpy as np

# image path
path = "D://opencvImages//noisyNumbers//"
fileName = "noisy01.png"

# Reading an image in default mode:
inputImage = cv2.imread(path + fileName)

# Apply median filter:
filteredImage = cv2.medianBlur(inputImage, ksize=11)

# Convert input image to grayscale:
grayscaleImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2GRAY)

内核大小为 11 的中值滤波如下所示:

异常值几乎消失了。现在，让我们暂时将其放在一边，计算两个异常值的一对二进制掩码:

# Get low mask:
_, lowMask = cv2.threshold(grayscaleImage, 5, 255, cv2.THRESH_BINARY_INV)

# Get high mask:
_, highMask = cv2.threshold(grayscaleImage, 250, 255, cv2.THRESH_BINARY)

# Create outliers mask:
outliersMask = cv2.add(lowMask, highMask)

异常值掩码是这样的:

现在，您确实没有提供原始数据。您提供的图像很可能是使用 matplotlib 绘制的。这是一个问题，因为您发布的图像经过处理和压缩。这会导致原始图像上的异常值周围出现一些尖锐的边缘。一个简单的解决方案是稍微扩大离群值掩模以覆盖此压缩伪影:

# Set kernel (structuring element) size:
kernelSize = 3
# Set operation iterations:
opIterations = 1
# Get the structuring element:
maxKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernelSize, kernelSize))

# Apply dilation:
outliersMask = cv2.dilate(outliersMask, maxKernel)

异常值蒙版现在如下所示:

好吧，让我们使用中值模糊图像和离群值掩模对原始输入进行自适应过滤。只需确保将所有 numpy 数组 reshape 为适合广播的大小:

# Re-shape the binary mask to a 3-channeled image:
augmentedBinary = cv2.merge([outliersMask, outliersMask, outliersMask])
# Apply the adaptive filter:
cleanedImage = np.where(augmentedBinary == (255, 255, 255), filteredImage, inputImage)

# Show the result
cv2.imshow("Adaptive Filtering", cleanedImage)
cv2.waitKey(0)

对于第一张图像，结果如下:

更多结果: