快捷導(dǎo)航

Python實(shí)現(xiàn)二值掩膜影像去噪與邊緣強(qiáng)化方法詳解

更新時(shí)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(shí)現(xiàn)二值掩膜影像去噪與邊緣強(qiáng)化方法，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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(gè)問題是掩膜圖像的噪聲去除和邊緣強(qiáng)化，如下圖1所示。可以看到掩膜圖像上有很多的斑點(diǎn)噪聲，而且掩膜的輪廓也不夠清晰。所以我們的目標(biāo)就是一方面盡可能把這些斑點(diǎn)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?yàn)橹坝凶鲞^相關(guān)的工作，所以對(duì)于保留邊界的斑點(diǎn)噪聲消除第一反應(yīng)是使用中值濾波。但很顯然對(duì)于我們這個(gè)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(jì)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(qiáng)化技術(shù)路線圖

中值濾波比較好理解，就是為了消除斑點(diǎn)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(duì)應(yīng)3次腐蝕，恢復(fù)成“原樣”。然后是一個(gè)二值化，目的在于進(jìn)一步去除一些噪聲并且強(qiáng)調(diào)輪廓。因?yàn)橛幸恍┹^暗的像素經(jīng)過3次膨脹就會(huì)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(shí)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(diǎn)
        # 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(gè)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))

三、效果測(cè)試

為了測(cè)試效果，輸出了中間過程的結(jié)果。如下是輸入的原始影像。

然后首先進(jìn)行中值濾波，結(jié)果如下。

然后進(jìn)行3次腐蝕操作，以去除一些噪聲，如下。

為了保證掩膜和輸入一樣，再膨脹3次，結(jié)果如下。

由于掩膜是0-1影像，為了過濾掉一些中間值，進(jìn)行一次二值化，結(jié)果如下。

二值化以后難免會(huì)有一些空洞，因此使用膨脹操作進(jìn)行填充，最終生成的掩膜如下。

將生成的掩膜范圍繪制到輸入影像上(紅色框線)如下圖所示。

到此這篇關(guān)于Python實(shí)現(xiàn)二值掩膜影像去噪與邊緣強(qiáng)化方法詳解的文章就介紹到這了,更多相關(guān)Python二值掩膜影像去噪內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: