如何使用 python 从图像中去除边界边缘噪声？

Question

我正在尝试通过将黑色区域替换为来自 3 个随机方块的平均像素值。

crop1 = randomCrop(image2, 50, 50) #Function that finds random 50x50 area
crop2 = randomCrop(image2, 50, 50)
crop3 = randomCrop(image2, 50, 50)

mean1 = RGB_Mean(crop1)
mean2 = RGB_Mean(crop2)
mean3 = RGB_Mean(crop3)

#RGB Mean
result = [statistics.mean(k) for k in zip(mean1, mean2, mean3)]

for i in range(len(image2[:,0, 0])):
    for j in range(len(image2[0,:,0])):
        thru_pixel = image2[i, j]
        if (thru_pixel[0] < 50 and thru_pixel[1] < 50 and thru_pixel[2] < 50):
            image2[i,j, :] = result
        if (thru_pixel[0] > 190 and thru_pixel[1] > 190 and thru_pixel[2] > 190):
            image2[i,j, :] = result

但是，图像边框周围有残留的噪点，左下方还有残留的文本和剪辑。

这是一个示例图片。

原文：

和Post-处理中

您可以看到仍然有黑灰色边框噪声以及右下角的文本和左下角的 "clip"。在保持眼部血管完整性的同时，有什么方法可以消除这些伪影吗？

感谢您的宝贵时间和帮助！

Answer 1

假设你想隔离眼睛血管，这里有一个方法可以分为两个阶段，一个是去除伪影，另一个是隔离血管

将图像转换为灰度
大津获取二值图像的阈值
执行形态学操作以移除伪影
隔离血管的自适应阈值
使用最大阈值区域查找轮廓和过滤
按位与得到最终结果

从您的原始图像开始，我们将其转换为灰度和 Otsu 的阈值以获得二值图像

现在我们执行变形打开以移除伪影（左）。我们反转这个掩码以获得白色边框，然后进行一系列按位运算以获得去除伪像的图像（右）

从这里我们自适应阈值得到静脉

请注意，存在不需要的边框，因此我们使用最大阈值区域找到轮廓并进行过滤。如果轮廓通过过滤器，我们将其绘制到空白蒙版上

最后我们对原图进行bitwise-and得到我们的结果

请注意，我们可以在自适应阈值之后执行额外的变形打开以去除小颗粒噪声，但代价是它会去除静脉细节。我将把这个可选步骤留给你

import cv2
import numpy as np

# Grayscale, Otsu's threshold, opening
image = cv2.imread('1.png')
blank_mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15,15))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=3)

inverse = 255 - opening
inverse = cv2.merge([inverse,inverse,inverse])
removed_artifacts = cv2.bitwise_and(image,image,mask=opening)
removed_artifacts = cv2.bitwise_or(removed_artifacts, inverse)

# Isolate blood vessels
veins_gray = cv2.cvtColor(removed_artifacts, cv2.COLOR_BGR2GRAY)
adaptive = cv2.adaptiveThreshold(veins_gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,3)

cnts = cv2.findContours(adaptive, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

for c in cnts:
    area = cv2.contourArea(c)
    if area < 5000:
        cv2.drawContours(blank_mask, [c], -1, (255,255,255), 1)

blank_mask = cv2.cvtColor(blank_mask, cv2.COLOR_BGR2GRAY)
final = cv2.bitwise_and(image, image, mask=blank_mask)
# final[blank_mask==0] = (255,255,255) # White version

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('removed_artifacts', removed_artifacts)
cv2.imshow('adaptive', adaptive)
cv2.imshow('blank_mask', blank_mask)
cv2.imshow('final', final)
cv2.waitKey()

如何使用 python 从图像中去除边界边缘噪声？

How to remove border edge noise from an image using python?

python

opencv

image-processing

computer-vision

image-preprocessing