多方面的降噪检测

多尺度降噪

为了方便进行多尺度降噪，我将降噪函数的接口进行修改，最终封装在denoise.py中。

其中，对外开放的函数是：denoise(img_address, color=0, k=1)

img_address：图像地址

color：决定图片以何种形式读入（如BGR/灰度），默认为灰度

k：多尺度指数（决定缩小几倍），默认为1

代码示例：

1
2
3
4
5
6
7
# python3.8
# utf-8

from denoise import *

if __name__ == '__main__':
    denoise('img_noise.png', 1, 2)

存在的问题

该算法将抽离出的小图直接进行修改，并打回原图，而在边缘部分，因缩小而造成的信息损失会使修改不一定合理，如下图所示：

1

可以看到在噪声被去除的同时，边缘部分会变得不平滑，反而产生一些噪声，这一点，在下面的“降噪合理性”中，也被证明。

所以这也应证了我一开始的猜想：不应该对小图直接修改，而是应该将小图中被标记的噪声也同样标记到大图中，统一处理。

降噪合理性

这部分，我同样做了接口调整，并封装在rationality.py中

其中，有两个函数：

1
qufendu(origin_address, denoise_address) # 求区分度
1
chayidu(origin_address, denoise_address) # 求差异度

代码示例：

1
2
3
4
5
6
7
8
# python3.8
# utf-8

import rationality as rtn

if __name__ == '__main__':
    rtn.qufendu('img_noise.png', 'denoised_img_noise.png')
    rtn.chayidu('img_noise.png', 'denoised_img_noise.png')

效果：

2

3