Opencv 如何确定图像中的高斯噪声量
我有多种颜色的仪表图像。我采用自适应高斯阈值对图像进行滤波,使记号和针更加突出。 对于上述阈值,我使用了Opencv 如何确定图像中的高斯噪声量,opencv,image-processing,computer-vision,Opencv,Image Processing,Computer Vision,我有多种颜色的仪表图像。我采用自适应高斯阈值对图像进行滤波,使记号和针更加突出。 对于上述阈值,我使用了cv2.adaptiveThreshold(灰色,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,21,2)。(21,2)总体上似乎处理图像最好 但是,当仪表图像太暗时,adaptThresh(21,2)会产生大量噪声 增加内核大小(adaptiveThreshold参数)过滤椒盐噪声并生成我想要的图像 我希望能够确定图像中有多少高斯(椒盐)
cv2.adaptiveThreshold(灰色,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,21,2)
。(21,2)总体上似乎处理图像最好
但是,当仪表图像太暗时,adaptThresh(21,2)会产生大量噪声增加内核大小(adaptiveThreshold参数)过滤椒盐噪声并生成我想要的图像
我希望能够确定图像中有多少高斯(椒盐)噪声,这样,如果有太多的噪声,我的算法将增加滤波器的大小。在这种情况下,什么是衡量噪声量的好指标?一种流行的方法是考虑图片的“导数”,或者换句话说,图片的“变化”程度。一种流行的方法是使用。有许多方法可以在离散域中定义它,但最终它们归结为相邻像素的绝对差的(加权)和。这意味着,如果图像包含均匀亮度的大区域(具有“短”边界),则总变化量很小,并且对于噪声或高频图像,总变化量很大
因此,测量噪声的一种简单方法就是测量总变化量,如果总变化量超过某个阈值,则可以尝试增加滤波器的大小。IMO,展开的图像分辨率太低,导致二值化不太可靠。