Улучшение медианного фильтра для обработки изображений с сильным импульсным (соль и перец) шумом

У меня есть это изображение, которое сильно затемнено импульсным (солью и перцем) шумом, и я пытаюсь отфильтровать его с помощью медианного фильтра. Мне удалось отфильтровать изображение до слегка читаемого состояния, но я хочу, чтобы они отфильтровывались до гораздо более четкого изображения. Как можно улучшить мой медианный фильтр?

Изображение представлено массивом (n,m,4) со значениями RGB в оттенках серого от 0 (черный) до 1 (белый). Я использовал матрицу 3x3 для своего медианного фильтра и дал изображению белую рамку шириной 1 пиксель вокруг каждого края.

def medianFilter(image=np.ndarray):
for i in range(1,image.shape[0]):
    for j in range(1,image.shape[1]):
        square = np.array(image[i-1:i+2,j-1:j+2])            
        if(square[1,1][0]==1 or square[1,1][0]==0):
            square[1,1] = np.median((square))
            image[i-1:i+2,j-1:j+2] = square
return image

Unfiltered ImageImage Data)first 5 rows,columns)Filtered Image

Full Original Picture

Вы можете попробовать использовать открывающий или закрывающий фильтр. Но я по-прежнему считаю, что медиана — лучший фильтр для шума соли и перца.

Aishwarya Patange 09.04.2022 07:23

@ M.Gaddaffi Я предлагаю вам использовать OpenCV: cv2.medianBlur(img, kernel) и попробовать разные размеры ядра, затем вы можете выполнить пороговое значение, а затем применить морфологические операции.

Bilal 09.04.2022 08:20

Если вы можете загрузить исходное изображение, это поможет нам помочь вам :)

Tomer Geva 09.04.2022 09:40

«исходное изображение» означает само изображение, а не его сюжет. -- сделать маску для шумовых пикселей. то игнорировать те во всех восстановительных работах. -- кто-то может захотеть, чтобы вы использовали рисование? - это классное задание. пожалуйста, укажите это заранее. и сформулируйте все задание.

Christoph Rackwitz 09.04.2022 10:40

@TomerGeva Я добавил исходное изображение в пост

M. Gaddaffi 09.04.2022 21:03

@TomerGeva спасибо! Изменение размера ядра очень помогло!

M. Gaddaffi 10.04.2022 03:02
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения текстовых сообщений может быть настолько сложным или простым, насколько вы его сделаете. Как и в любом ML-проекте, вы можете выбрать...
7 лайфхаков для начинающих Python-программистов
7 лайфхаков для начинающих Python-программистов
В этой статье мы расскажем о хитростях и советах по Python, которые должны быть известны разработчику Python.
Установка Apache Cassandra на Mac OS
Установка Apache Cassandra на Mac OS
Это краткое руководство по установке Apache Cassandra.
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
В одном из недавних постов я рассказал о том, как я использую навыки количественных исследований, которые я совершенствую в рамках программы TPQ...
Создание персонального файлового хранилища
Создание персонального файлового хранилища
Вы когда-нибудь хотели поделиться с кем-то файлом, но он содержал конфиденциальную информацию? Многие думают, что электронная почта безопасна, но это...
Создание приборной панели для анализа данных на GCP - часть I
Создание приборной панели для анализа данных на GCP - часть I
Недавно я столкнулся с интересной бизнес-задачей - визуализацией сбоев в цепочке поставок лекарств, которую могут просматривать врачи и...
1
6
44
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Итак, начиная с загруженного вами изображения, мы можем сделать следующее:

import numpy as np
from scipy.signal import medfilt2d
import matplotlib.pyplot as plt
import cv2

img           = cv2.imread('fBq2z.png', cv2.IMREAD_GRAYSCALE)

Медианная фильтрация

Лучший способ справиться с шумом соли и перца — использовать медианный фильтр. Поскольку на медианный фильтр напрямую влияет размер ядра, слишком маленький размер недостаточен для хорошей оценки медианного значения, а слишком большой будет улавливать артефакты в медианном фильтре. Поиграв с разными размерами ядра, 11 оказался лучшим.

median_kernel = 11
# median filtering
median_filtered = medfilt2d(img, kernel_size=median_kernel)

Результат медианной фильтрации: enter image description here

Изображение в живописи

Следующим этапом будет исправление мест, где были видны соль и перец. Это делается с помощью раскрашивания изображения. Для традиционного рисования обычно используются два алгоритма, современные подходы используют для этого нейронные сети.

Я буду использовать метод Телеи. Сначала мы создаем маску, в которой у нас есть остатки шума:

# creating a mask for the salt&pepper
mask = np.zeros_like(median_filtered)
mask[median_filtered < 5]   = 255
mask[median_filtered > 250] = 255

полученная маска:

enter image description here

И применить inpainting

last = cv2.inpaint(median_filtered,mask,3,cv2.INPAINT_TELEA)

Это дает нам окончательный результат:

enter image description here

Другие вопросы по теме