如何用OpenCV去除含二维码图像的椒盐噪声并保留细节？

你用高斯、中值滤波后模糊二维码的问题很常见，因为这类滤波对边缘的保护不足。下面是几个针对性的方法，能在降噪的同时保留二维码的锐利边界：

1. 自适应非线性滤波 #

• 双边滤波：和高斯滤波不同，它不仅考虑像素的空间距离，还会对比像素值的相似度。只有像素值相近的区域才会被平滑，二维码的黑白边缘（像素值差异大）会被完整保留。调参时可以把sigmaColor设高一些，确保相似灰度的噪声被过滤，sigmaSpace适中即可。
• 自适应中值滤波：普通中值滤波用固定窗口，容易糊住边缘。自适应版本会根据局部区域的噪声情况调整窗口大小——噪声多的区域用大窗口降噪，边缘区域用小窗口避免模糊，刚好适配二维码的块状结构。

2. 非局部均值滤波（NLM） #

这种滤波会在整张图像里找和当前像素块相似的区域，加权平均后降噪。二维码有大量重复的黑白模块，相似块的匹配会很准确，既能去掉随机噪声，又不会破坏二维码的结构细节，比普通滤波更适合这类有重复图案的图像。

3. 阈值二值化+预处理组合 #

二维码本质是二值图像，直接做自适应阈值二值化（比如OpenCV里的adaptiveThreshold）就能过滤大部分噪声，同时保留锐利的黑白边界。如果噪声太严重，可以先做一次轻度的双边滤波，再进行二值化，效果会更好。

如果二值化后还有小噪声点，用形态学操作（腐蚀+膨胀）就能修复：比如白色噪点用腐蚀去除，黑色噪点用膨胀填补，不会影响二维码的扫描结构。

4. 降噪+锐化的组合策略 #

先做保边缘降噪（比如双边滤波），再用**锐化蒙版（Unsharp Mask）**增强边缘：

1. 对降噪后的图像做轻度高斯模糊
2. 用降噪图减去模糊图得到边缘细节
3. 把边缘细节叠加回降噪图，就能增强二维码的锐利度

也可以用拉普拉斯算子提取边缘后叠加，原理类似。

示例代码（OpenCV） #

import cv2
import numpy as np

# 读取灰度图
img = cv2.imread("noisy_qr.png", 0)

# 双边滤波降噪保边缘
bilateral_filtered = cv2.bilateralFilter(img, d=9, sigmaColor=75, sigmaSpace=75)

# 自适应阈值二值化
binary_img = cv2.adaptiveThreshold(
    bilateral_filtered, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2
)

# 形态学修复小噪声
kernel = np.ones((2, 2), np.uint8)
cleaned_qr = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)

# 输出结果
cv2.imwrite("cleaned_qr.png", cleaned_qr)

内容的提问来源于stack exchange，提问作者Mohaned Nasr