图像处理-python实现图像处理（消噪，直方图均衡化，二值化，形态学）_pythont图片降噪二值化

1、选用合适的图像增强方法对以下给定图像进行增强操作以获取清晰图像；

2、对增强后的图像进行阈值处理，获得二值图像；

3、对二值图像进行形态学分析，提取有用信息区域（即只剩下字母和数字区域）；

 
python程序：

    import cv2
    import numpy as np
     
    # 二值形态学运算
    def morphology(img):
        kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (20,14)) # 腐蚀矩阵
        iFushi = cv2.morphologyEx(img, cv2.MORPH_DILATE, kernel1)  # 对文字腐蚀运算
        cv2.imshow('fushi', iFushi)
     
        kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (40, 40))  # 膨胀矩阵
        iPengzhang = cv2.morphologyEx(iFushi, cv2.MORPH_ERODE, kernel2)  # 对背景进行膨胀运算
        cv2.imshow('pengzhang', iPengzhang)
     
        # 背景图和二分图相减-->得到文字
        jian = np.abs(iPengzhang - img)
        cv2.imshow("jian", jian)
     
        kernel3 = cv2.getStructuringElement(cv2.MORPH_RECT, (3 , 6))  # 膨胀
        iWenzi = cv2.morphologyEx(jian, cv2.MORPH_DILATE, kernel3)  # 对文字进行膨胀运算
        cv2.imshow('wenzi', iWenzi)
     
    img = cv2.imread("TEST.tif")
    # 1、消除椒盐噪声：
    # 中值滤波器
    median = cv2.medianBlur(img, 5)
    # 消除噪声图
    cv2.imshow("median-image", median)
    # 转化为灰度图
    Grayimg = cv2.cvtColor(median, cv2.COLOR_RGB2GRAY)
    # 2、直方图均衡化：
    hist = cv2.equalizeHist(Grayimg)
    cv2.imshow('hist',hist)
    # 3、二值化处理：
    # 阈值为140
    ret, binary = cv2.threshold(hist, 140, 255,cv2.THRESH_BINARY)
    cv2.imshow("binary-image",binary)
    # 二值形态处理
    morphology(binary)
     
    cv2.waitKey(0)

python程序步骤：

（一）读入图像数据

使用OpenCV库读入tiff图像

img =cv2.imread("TEST.tif")

 

（二）消除椒盐噪声

使用5*5的中值滤波器滤除椒盐噪声

    median = cv2.medianBlur(img, 5)

 

（三）将图片数据类型转换为灰度图

    Grayimg = cv2.cvtColor(median, cv2.COLOR_RGB2GRAY)

 

（四）对图像进行直方图均衡化处理

    hist = cv2.equalizeHist(Grayimg)

 

（五）对直方图均衡化后进行二值化处理

选取阈值为140，大于140灰度值的像素置位255，低于140灰度值为0

    ret, binary = cv2.threshold(hist, 140, 255,cv2.THRESH_BINARY)

 

（六）对二值化图像进行腐蚀：

腐蚀掉文字部分得到背景部分，然后再对背景进行膨胀

使用（20,14）的矩形进行腐蚀操作：

kernel1= cv2.getStructuringElement(cv2.MORPH_RECT, (20,14))    iFushi = cv2.morphologyEx(img,cv2.MORPH_DILATE, kernel1)  

      

 

（七）将二分图像与腐蚀后的背景图相减

得到有效信息部分与部分噪声

    jian = np.abs(iPengzhang - img)

 

（八）对文字部分进行膨胀，得到较清晰的图像

    kernel3 =cv2.getStructuringElement(cv2.MORPH_RECT, (3 , 6))

    iWenzi =cv2.morphologyEx(jian, cv2.MORPH_DILATE, kernel3)

 

（1）滤除椒盐噪声可以使用均值滤波器或中值滤波器:

分析可知：均值滤波器会引入噪声的影响，而中值滤波器可以有效滤除噪声的影响。

试验了两种滤波器后，发现均值滤波器相较中值滤波器较模糊，所以滤除椒盐噪声使用中值滤波器会好一点

（2）选取合适的阈值进行二值化处理，要做到使信息清晰，并且能够有效地分割边界。

（3）选取合适的运算矩阵进行二值形态学的运算，通过腐蚀掉有效区域，然后进行图像减法的操作，可以得到被腐蚀的区域。

（4）对于断裂处，可采用长方形的矩阵进行膨胀处理，对于黏连处，同样可以采用长方形进行腐蚀处理
---------------------  
作者：wTen  
来源：CSDN  
原文：https://blog.csdn.net/wsh596823919/article/details/79982485  
版权声明：本文为博主原创文章，转载请附上博文链接！