清洁椒盐噪声答案

【问题标题】：cleaning salt and pepper noise清洁椒盐噪声
【发布时间】：2014-01-18 18:59:50
【问题描述】：

我有以下图像（它是一个车牌），它受到 0.9 概率的椒盐噪声的影响（每个像素有 90% 的机会变成全白或全黑）。我需要尽可能地清理它以使数字可读。我在 Python 中有基本的允许算法，但允许更改 - 我需要以某种方式使图像清晰。我们将图像转换为加载到矩阵中的像素的黑白位图，然后直接在矩阵上执行所有算法。我们使用了 2 种中位数的变体——我尝试了它们的许多组合，但都无济于事——没有产生清晰的图像。我迫切需要帮助！

代码和图像在 Skydrive 中的这个位置：http://sdrv.ms/1az6sRC 为了使用代码 Python 3.2 是必需的，并且需要安装目录中的插件才能在 Python 中呈现图像。需要导入类矩阵，带有函数clean的文件cleaning.py包含我的尝试——这个函数可以使用文件中的任何代码（有变体）以达到尽可能好的结果。

任何帮助将不胜感激。

【问题讨论】：

标签： image-processing python-3.x noise-reduction

【解决方案1】：

传统的椒盐图像去噪滤波器适用于噪声概率约为 40%（图像像素被翻转的概率）的情况。在您的情况下，您有密度噪声。您将需要使用计算成本更高的基于中值的滤波器来解决问题。仔细查看paper 的结果，它似乎是可以实现的，但您需要实现它。

【讨论】：

本文算法取得了令人难以置信的成功！
@Lokesh A. R. Paper 链接已过时，请更新
@Gulzar - 现在不记得那篇论文了。

【解决方案2】：

中值滤镜解决了椒盐问题，但会产生模糊的图像。要解决盐和胡椒问题并保留原始照片，您必须使用Alpha Trim Filter。过滤理念：

1- 在元素上放置一个窗口

2- 拾取元素

三阶元素

4- 丢弃得到的有序集合开头和结尾的元素（根据alpha输入值）

5- 取平均值 - 将剩余元素相加，然后将总和除以它们的数量。

你可以使用 matlab 来实现它。有很多以前实现的 alpha trim 过滤器你可以使用它并将你的 python 程序与 matlab 链接

请原谅我与python打交道，因为我对它的背景不是很愿意

【讨论】：

【解决方案3】：

您好，您可以使用中值滤波器或最大滤波器，因为您有 90% 的噪声。请参考下面的 C++ 代码，但您可以轻松地将其与 python 相关联。 //maxOrmedian = True/False, inputImage = std::vector , kernalSize = 3, width = 256, height= 256 //

 std::vector<double> medianFilter(bool maxOrmedian, std::vector<double> inputImage, double kernalSize,int width, int height)
    {
       /* Fill all the values to output image */
       vector<double> outImage = inputImage;
      for(int y = kernalSize; y < height - kernalSize; y++)
      {
         for(int x = kernalSize; x < width - kernalSize; x++)
         {
           std::vector<double> tempList;
           for(int i = - kernalSize; i <= kernalSize; i++)
             {
               for(int j = -kernalSize; j <= kernalSize; j++)
                 {
                   double pixelValue = inputImage[(y+j)*width + (x+i)];
                   tempList.push_back(pixelValue);
                 }
             }
            std::sort(tempList.begin(),tempList.end());
            double newPixelValue = 0;
            if(maxOrmedian) //median filter
               newPixelValue = tempList[tempList.size()/2];
            else
               newPixelValue = tempList[tempList.size()-1];
            outImage[y*width + x] = newPixelValue;
          }
       }   
      return outImage;          
     }

【讨论】：