如何从直方图均衡图像中去除噪声？答案

【问题标题】：How to remove noise from a histogram equalized image?如何从直方图均衡图像中去除噪声？
【发布时间】：2016-04-18 10:11:23
【问题描述】：

我有一个图像，我正在均衡，然后使用 clahe 直方图，如下所示：

self.equ = cv2.equalizeHist(self.result_array)
clahe = cv2.createCLAHE(clipLimit=100.0, tileGridSize=(8,8))
self.cl1 = clahe.apply(self.equ)

这是我得到的结果：

我想去掉所有的黑点，即噪音。最终，我试图提取出上图中为黑色的血管，在尝试这样做时，噪音会使提取不准确。

【问题讨论】：

噪点看起来对比度很高，您只需要应用去斑处理即可。试试这个答案：stackoverflow.com/questions/5680429/…
可能更容易减少非组织均衡图像中的噪声。
如果原始图像中不存在此噪声，则它是均衡的伪影。您可以尝试 Gamma 校正和对比度拉伸等选项。此外，Frangi 过滤器通常用于提取血管状结构。
为什么要先做直方图 eq，然后再做 CLAHE？我可以得到原始图像来玩吗？所有图像都会在中间模糊吗？您可以尝试使图像模糊一些，找到没有血管的空白区域的平均值，然后使用该值对图像进行阈值处理。可能膨胀和腐蚀算子可以帮助您在模糊之前删除一些点。 SO 有一系列这些问题的答案通常指向所谓的 Frangi 过滤器：link.springer.com/chapter/10.1007/BFb0056195。当然，这对于一般情况来说是相当多的工作。
@Micka，完成。刚刚进行了编辑。

标签： python image opencv image-processing

【解决方案1】：

我的论文的很大一部分是关于减少图像中的噪点，我使用了一种技术来减少图像中的噪点，同时保留图像中信息的锐利边缘。我在这里引用自己的话：

从条纹图案中去除噪点的一种有效技术是对图像进行过滤使用正弦余弦滤波[reference]。低通滤波器与两个图像卷积取条纹图案图像的正弦和余弦的结果，然后划分以获得切线，恢复相位模式但噪声降低。这这种技术的优点是该过程可以重复多次减少噪音，同时保持相变的清晰细节。

这是我使用的代码：

import numpy as np
from scipy import ndimage

def scfilter(image, iterations, kernel):
    """
    Sine‐cosine filter.
    kernel can be tuple or single value.
    Returns filtered image.
    """
    for n in range(iterations):
        image = np.arctan2(
        ndimage.filters.uniform_filter(np.sin(image), size=kernel),
        ndimage.filters.uniform_filter(np.cos(image), size=kernel))
    return image

在那里，image 是一个代表图像的 numpy 数组，线性重新缩放以将黑色置于 0 并将白色置于 2 * pi，kernel 是应用于数据的统一过滤器的图像像素大小.不需要太多的迭代就能看到积极的结果，可能在 5 到 20 次之间。

希望有帮助:)

【讨论】：