如何用OpenCV C++去除图像中的垂直条纹？

示例图像：

针对图像中的垂直条纹，这里提供几种适合初学者的OpenCV实现方法：

方法一：水平方向均值滤波 #

垂直条纹在水平方向上存在像素值突变，用水平方向的均值滤波能平滑这类突变，同时保留竖直方向的图像细节。

代码示例 #

import cv2
import numpy as np

# 读取图像（替换为你的图像路径）
img = cv2.imread("your_image.jpg", cv2.IMREAD_GRAYSCALE)
# 创建水平均值滤波核，宽度可根据条纹粗细调整
kernel = np.ones((1, 15), np.float32) / 15
# 应用滤波
filtered_img = cv2.filter2D(img, -1, kernel)

# 对比显示原图和结果
cv2.imshow("Original", img)
cv2.imshow("Horizontal Mean Filtered", filtered_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

方法二：傅里叶变换频域去条纹 #

垂直条纹在频域中会呈现为竖直方向的亮线，通过傅里叶变换定位并屏蔽这些分量，再逆变换即可得到去条纹后的图像。

代码示例 #

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread("your_image.jpg", cv2.IMREAD_GRAYSCALE)
# 执行傅里叶变换并将低频移到中心
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

# 创建掩码：屏蔽中心区域左右的竖直高频分量
rows, cols = img.shape
center_row, center_col = rows // 2, cols // 2
mask = np.ones((rows, cols), np.uint8)
# 调整屏蔽的宽度，适配条纹的密度
mask[:, center_col - 20 : center_col + 20] = 0

# 应用掩码并逆变换
fshift_masked = fshift * mask
f_ishift = np.fft.ifftshift(fshift_masked)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)

# 将结果转换为8位灰度图
img_back = cv2.normalize(img_back, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)

# 显示结果
cv2.imshow("Original", img)
cv2.imshow("FFT Filtered", img_back)
cv2.waitKey(0)
cv2.destroyAllWindows()

方法三：形态学开运算 #

使用水平方向的结构元素做开运算（先腐蚀后膨胀），可以消除垂直方向的细小条纹，同时尽量保留图像的主体结构。

代码示例 #

import cv2
import numpy as np

# 读取图像
img = cv2.imread("your_image.jpg", cv2.IMREAD_GRAYSCALE)
# 创建水平结构元素，长度根据条纹粗细调整
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 1))
# 执行开运算
filtered_img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

# 对比显示
cv2.imshow("Original", img)
cv2.imshow("Morphology Open Filtered", filtered_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

实用提示 #

• 所有方法中的核大小/屏蔽宽度都可以根据实际条纹的粗细、密度调整，数值越大，条纹去除越彻底，但图像细节损失也会增加
• 如果处理彩色图像，可以先转成灰度图处理，也可以对每个RGB通道分别处理后再合并

内容的提问来源于stack exchange，提问作者grandlee