系列文章目录

基于PyQt5的桌面图像调试仿真平台开发(1)环境搭建

基于PyQt5的桌面图像调试仿真平台开发(2)UI设计和控件绑定

基于PyQt5的桌面图像调试仿真平台开发(3)黑电平处理

基于PyQt5的桌面图像调试仿真平台开发(4)白平衡处理

基于PyQt5的桌面图像调试仿真平台开发(5)亮度处理

基于PyQt5的桌面图像调试仿真平台开发(6)去马赛克

基于PyQt5的桌面图像调试仿真平台开发(7)伽马矫正

基于PyQt5的桌面图像调试仿真平台开发(8)锐化

基于PyQt5的桌面图像调试仿真平台开发(9)去噪

基于PyQt5的桌面图像调试仿真平台开发(10)色彩矩阵

基于PyQt5的桌面图像调试仿真平台开发(11)清晰度测试

基于PyQt5的桌面图像调试仿真平台开发(12)图像灰度显示

基于PyQt5的桌面图像调试仿真平台开发(13)图像边缘显示

基于PyQt5的桌面图像调试仿真平台开发(14)色彩增强

基于PyQt5的桌面图像调试仿真平台开发(15)图像融合

工程代码：https://gitee.com/xiaoshixiao00/py-ispp

---

目录

系列文章目录

前言

一、去噪是什么？

二、开发步骤和演示

1.怎么实现

2.编写和显示

---

前言

锐化和去噪是图像处理中影响图像质量的两个关键因素，接下来先从去噪说明基本去除方法。

---

一、去噪是什么？

        去噪（Noise Reduction）是一种用于消除图像或音频信号中噪声的技术。在数字信号处理中，由于信号传输和采集过程中的各种因素影响，常常存在着一些不必要或者无用的信号，这些信号被称为噪声。去噪技术可以通过各种算法和处理方法，对噪声进行检测并抑制或删除，从而提高信号的质量和可信度。去噪技术被广泛应用于语音识别、图像处理、音频处理、生物医学信号处理等领域。

        图像处理领域中长使用去噪技术去除图像经过传感器采样过程中产生的电流噪音，光学噪音，已经经过图像处理后处理产生的噪音。

二、开发步骤和演示

1.怎么实现

        去噪分空域去噪（2D）以及时域去噪（3D），其中空域去噪大多都是进行滤波处理，由于噪声的特殊性，在频域上属于高频部分，往往可以通过低通滤波实现大部分噪声消除。

        opencv中提供几种基本的滤波方法，

cv2.blur(image_rgb,(5,5))

cv2.GaussianBlur(image_rgb,(5,5),0)

cv2.medianBlur(image_rgb,5)

cv2.bilateralFilter(image_rgb,9,75,75)

2.编写和显示

①，开发图像ui控件和绑定事件

参考基于PyQt5的桌面图像调试仿真平台开发(3)黑电平处理_上天肖的博客-CSDN博客

②，算法开发实现

直接调用opencv的滤波接口实现。

#图像均值滤波
def proc_image_average_filter(image_rgb):
    print("proc_image_average_filter,")
    result = cv2.blur(image_rgb,(5,5))
    return result

#高斯滤波
def proc_image_gauss_filter(image_rgb):
    print("proc_image_gauss_filter,")
    result = cv2.GaussianBlur(image_rgb,(5,5),0)
    return result

#中值滤波
def proc_image_median_filter(image_rgb):
    print("proc_image_median_filter,")
    result = cv2.medianBlur(image_rgb,5)
    return result

#双边滤波
def proc_image_bilateral_filter(image_rgb):
    print("proc_image_bilateral_filter,")
    result = cv2.bilateralFilter(image_rgb,9,75,75)
    return result

③，演示

导入原图像

 点击去噪，弹框里面选择一种去噪类型，点击确定，可以看到去噪后的图像。

下面是四种滤波对比图，很明显双边滤波能够保边，中值滤波容易失真，均值和高斯容易模糊。

---

 总结

去噪可以是opencv的滤波算子实现。