图片去噪的一种思路与方法（用途：识别验证码等），接很久之前的找茬的那篇博客

发表于 | 阅读次数：
本文字数： 1.4k | 阅读时长 ≈ 1 分钟

本人自己用的简单暴力的去噪思路：

  把图片分成众多小矩形，每一个小矩形进行判断白点（图片已经二值化处理），如果该矩形内的白点大于一个值（这个值可以根据你取得矩形的大小进行酌情处理）。小于这个值则这一块的值变成0（黑色）。

过程：

我有如下部分代码

1
2
3
4
.... # 图片已经打开，保存在img变量里面

pixel = img.load()
print(pixel[x,y]) # 打印出坐标为（x，y）的像素值

利用PIL库的im.load方法（im.load方法算是PIL库里面处理像素问题比较快的），可以得到一个图片每个像素的像素值，实质上是一个二维队列（就像C语言里面的二维数组）,注意：如果你将图片二值化（图片convert(‘1’)，）或者convert(‘1’)，就只会显示一个数字。例如：

1
2
3
4
img2 = img.convert('L')
pixel2 = img2.load()
print(pixel2[x,y]) # 显示一个数字，该数字位于0~255之间，每个像素用8bit表示
# 如果前面是img2 = img.convert('1')二值化后，结果只可能是0（黑），或者255（白0

在RGB模式或者RGBA模式下，打印一个像素的值，结果会显示一个元祖，形式为(R值，G值，B值)或者（R值，G值，B值，A值）。

以上大概介绍了一下load之后获得了一个二维列表，接下来开始进行去噪处理：

本人的思路是，先图片二值化，利用2个for循环遍历整个图片大小的像素值，将图片切成一个个小矩形，判断每个矩形内白点，然后设定一个值（这个值根据你切的大小以及像素多少自己定义个数字就可以了），矩形是越小越好，越小虽然会增加计算机的计算时间，但可以使图片去噪效率更高。

我这里上了我那次辅助的去噪代码（部分）
图片是480*360分辨率。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
for xx in range(40):  # 横着12 竖着9 运行40次 0代表黑色，255代表白色，去噪点
    for yy in range(40):  # 每一个24*18
        x = xx * 12
        y = yy * 9
        count = 0
        for i in range(0, 12):
            for j in range(0, 9):
                if (array[i + x, j + y] == 255):
                    count = count + 1
        if count <= 10:  # 去黑点的地方，也就是该区域内白点小于等于10，判断是噪点，则像素值全部赋值为0，也就是这区域全黑。
            for i in range(0, 12):
                for j in range(0, 9):
                    array[i + x, j + y] = 0
        else:  # 留白的地方，点击中心位置
            xy.append([x + 12, y + 9])  # 坐标是基于图像，要基于游戏