python 图片去噪的方法示例

图像可能在生成、传输或者采集过程中夹带了噪声，去噪声是图像处理中常用的手法。通常去噪声用滤波的方法，比如中值滤波、均值滤波。但是那样的算法不适合用在处理字符这样目标狭长的图像中，因为在滤波的过程中很有可能会去掉字符本身的像素。

一个采用的是去除杂点的方法来进行去噪声处理的。具体算法如下：扫描整个图像，当发现一个黑色点的时候，就考察和该黑色点间接或者直接相连接的黑色点的个数有多少，如果大于一定的值，那就说明该点不是离散点，否则就是离散点，把它去掉。在考察相连的黑色点的时候用的是递归的方法。此处，我简单的用python实现了,大家可以参考以下。

#coding=utf-8
"""
造物奇迹QQ2737499951
"""
import cv2
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image,ImageEnhance,ImageFilter

img_name = 'test.jpg'
#去除干扰线
im = Image.open(img_name)
#图像二值化
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
data = im.getdata()
w,h = im.size
#im.show()
black_point = 0
for x in xrange(1,w-1):
 for y in xrange(1,h-1):
   mid_pixel = data[w*y+x] #中央像素点像素值
   if mid_pixel == 0: #找出上下左右四个方向像素点像素值
     top_pixel = data[w*(y-1)+x]
     left_pixel = data[w*y+(x-1)]
     down_pixel = data[w*(y+1)+x]
     right_pixel = data[w*y+(x+1)]

#判断上下左右的黑色像素点总个数
     if top_pixel == 0:
       black_point += 1
     if left_pixel == 0:
       black_point += 1
     if down_pixel == 0:
       black_point += 1
     if right_pixel == 0:
       black_point += 1
     if black_point >= 3:
       im.putpixel((x,y),0)
     #print black_point
     black_point = 0
im.show()

来源：https://blog.csdn.net/qq_41895190/article/details/82781077