Python图像处理丨详解图像去雾处理方法( 七 ) _Python

实现效果如下图所示：

文章插图

如果想和后续目标汽车检测结合，同样可以先去雾再进行检测，如下图所示：

文章插图

四.图像噪声和雾生成
图像处理总少不了噪声添加或生成，下面补充两个简单的椒盐噪声和雾气模拟生成的代码。这与本文的实验紧密相关，能为我们提供更多的GAN生成样本。后面人工智能系列文章，GAN我们看看能不能学习真实雾化场景的图像，值得期待，哈哈！
1.加盐噪声
原图是一张风景图像：

文章插图

代码如下：

# -*- coding:utf-8 -*- import cv2 import numpy as np #读取图片 img = cv2.imread("fj.png", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape #加噪声 for i in range(50000): x = np.random.randint(0, rows) y = np.random.randint(0, cols) img[x,y,:] = 210 cv2.imshow("noise", img) #等待显示 cv2.waitKey(0) cv2.destroyAllwindows() cv2.imwrite('fj-res.png',img)

输出结果如下图所示：

文章插图

2.雾的模拟生成
代码如下：

import numpy as np import cv2 as cv import os import random file = ['fj.png'] output = 'fj-wu.png' for file_img in file: #打开图像 img = cv.imread(file_img) mask_img = cv.imread(file_img) #雾的颜色 mask_img[:, :] = (166, 178, 180) #里面参数可调，主要调整雾的浓度 image = cv.addWeighted(img, round(random.uniform(0.03, 0.28), 2), mask_img, 1, 0) #保存的文件夹 cv.imwrite(output, image)

输出结果如下图所示，效果还不错。