在早先的章节里，我们看到很多图像平滑技术如高斯模糊，Median模糊等，它们在移除数量小的噪音时在某种程度上比较好用。在这些技术里，我们取像素周围的一小部分邻居，做一些类似于高斯平均权重，中值等替换掉中间的元素。简单说，移除一个像素的噪音是基于本地邻居的。

创新互联的客户来自各行各业，为了共同目标，我们在工作上密切配合，从创业型小企业到企事业单位，感谢他们对我们的要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。专业领域包括成都网站制作、网站建设、外贸网站建设、电商网站开发、微信营销、系统平台开发。

噪音有一个属性，噪音一般被认为是具有零平均值的随机变量。假设一个像素噪音，p = p0 + n, 其中p0是像素的真实值，n是那个像素的噪音。你可以从不同图像取大量的同一个像素(N)并计算他们的平均值，理想情况下，你应该得到p=p0，因为均值是0.

你可以自己通过一个简单例子验证一下。保持一个静止的摄像机对准一个位置多呆几秒，这会给你很多帧，或者是对一个场景的很多图像。然后写一些代码来找到视频里所有帧的平均值。比较最终的结果和第一帧。你可以看到噪点被去掉了。不幸的是这个简单的方法对于摄像机和场景的运动来说就不健壮了。而且经常你也只有一个噪音图像可用。

Image Denoising

OpenCV提供了这种技术的四种变体。

• cv2.fastNlMeansDenoising（） - 使用单个灰度图像
• cv2.fastNlMeansDenoisingColored（） - 使用彩色图像。
• cv2.fastNlMeansDenoisingMulti（） - 用于在短时间内捕获的图像序列（灰度图像）
• cv2.fastNlMeansDenoisingColoredMulti（） - 与上面相同，但用于彩色图像。

Common arguments:

1. h：参数决定滤波器强度。较高的h值可以更好地消除噪声，但也会删除图像的细节 (10 is ok)
2. hForColorComponents：与h相同，但仅适用于彩色图像。 （通常与h相同）
3. templateWindowSize：应该是奇数。 （recommended 7）
4. searchWindowSize：应该是奇数。 （recommended 21）

cv2.fastNlMeansDenoisingColored()

如上所述，它用于从彩色图像中去除噪声。 （噪音预计是高斯噪音）

import numpy as np
import cv2
import matplotlib.pyplot as plt


img = cv2.imread('img.jpg')

dst = cv2.fastNlMeansDenoisingColored(img,None,10,10,7,21)

plt.subplot(121),plt.imshow(img)
plt.subplot(122),plt.imshow(dst)
plt.show()

本文标题：opencvpython图像去噪的实现方法-创新互联
本文路径：http://csdahua.cn/article/dpohso.html