基于OpenCV去除图像背景噪声的技术求助

1. 频率域滤波（傅里叶变换+高斯滤波） #

周期性的波浪噪声在频域会呈现明显的规律性亮线，用傅里叶变换定位并去除这些分量是高效方案：

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread('your_image_path.jpg', 0)
# 傅里叶变换并移频到中心
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

# 构建高斯低通滤波器
rows, cols = img.shape
crow, ccol = rows // 2, cols // 2
filter_radius = 60  # 根据噪声周期调整，数值越大保留的高频细节越少
x, y = np.meshgrid(np.arange(cols), np.arange(rows))
distance = np.sqrt((x - ccol)**2 + (y - crow)**2)
mask = np.exp(-(distance**2) / (2 * filter_radius**2))

# 应用滤波并逆变换
fshift_filtered = fshift * mask
f_ishift = np.fft.ifftshift(fshift_filtered)
img_filtered = np.abs(np.fft.ifft2(f_ishift))

# 转换为可保存的8位图像
img_filtered = cv2.normalize(img_filtered, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
cv2.imwrite('freq_filtered.jpg', img_filtered)

2. 自适应中值/双边滤波 #

这类滤波能在平滑背景噪声的同时保留图像边缘细节，适合噪声分布不均匀的场景：

自适应中值滤波 #

import cv2

img = cv2.imread('your_image_path.jpg')
# 参数：初始窗口大小，最大窗口大小
img_filtered = cv2.adaptiveMedianFilter(img, 3, 7)
cv2.imwrite('adaptive_median.jpg', img_filtered)

如果OpenCV版本不支持adaptiveMedianFilter，可以用双边滤波替代：

img_filtered = cv2.bilateralFilter(img, 9, 75, 75)
# 参数说明：9为滤波窗口直径，75为颜色空间标准差，75为像素空间标准差

3. 背景差分替换 #

如果背景噪声相对稳定，可以先生成干净背景模板，再替换原图中的噪声区域：

import cv2
import numpy as np

img = cv2.imread('your_image_path.jpg')
# 多次高斯模糊生成平滑背景模板
bg_template = cv2.GaussianBlur(img, (51, 51), 0)
for _ in range(4):
    bg_template = cv2.GaussianBlur(bg_template, (51, 51), 0)

# 计算原图与背景的差值，生成噪声掩码
diff = cv2.absdiff(img, bg_template)
gray_diff = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
_, noise_mask = cv2.threshold(gray_diff, 20, 255, cv2.THRESH_BINARY)
noise_mask = cv2.cvtColor(noise_mask, cv2.COLOR_GRAY2BGR)

# 用背景模板替换噪声区域
result = cv2.bitwise_and(img, cv2.bitwise_not(noise_mask)) + cv2.bitwise_and(bg_template, noise_mask)
cv2.imwrite('bg_subtract_result.jpg', result)

内容的提问来源于stack exchange，提问作者Raj Banerjee