Golang-Bildmanipulation: Erfahren Sie, wie Sie Bilder begrenzen und entrauschen

Golang-Bildoperation: Erfahren Sie, wie Sie Bilder mit Schwellenwert und Rauschunterdrückung versehen.

Einführung
In den Bereichen Bildverarbeitung und Computer Vision sind Schwellenwertbildung und Rauschunterdrückung gängige Bildverarbeitungsvorgänge. In diesem Artikel wird die Verwendung von Golang zum Schwellwert- und Entrauschen von Bildern vorgestellt und entsprechende Codebeispiele bereitgestellt.

1. Thresholding
   Thresholding ist eine gängige Verarbeitungsmethode, um ein Farb- oder Graustufenbild in ein Schwarzweißbild umzuwandeln. Diese Methode vergleicht den Helligkeitswert von Bildpixeln mit einem bestimmten Schwellenwert und unterteilt die Pixelwerte in zwei Kategorien: Pixel über dem Schwellenwert sind weiß und Pixel unter dem Schwellenwert sind schwarz.

Zuerst müssen wir das Bildverarbeitungspaket von Golang installieren – github.com/disintegration/imaging, installieren Sie es mit dem folgenden Befehl: github.com/disintegration/imaging，通过以下命令进行安装：

go get -u github.com/disintegration/imaging

接下来，我们可以编写代码来实现图像的阈值化处理：

package main

import (
    "image"
    "image/color"
    "image/jpeg"
    "log"
    "os"

    "github.com/disintegration/imaging"
)

func main() {
    // 打开图像文件
    file, err := os.Open("input.jpg")
    if err != nil {
        log.Fatal(err)
    }
    defer file.Close()

    // 解码图像
    img, err := jpeg.Decode(file)
    if err != nil {
        log.Fatal(err)
    }

    // 阈值化处理
    threshold := 128
    bounds := img.Bounds()
    grayImage := image.NewGray(bounds)

    for y := bounds.Min.Y; y < bounds.Max.Y; y++ {
        for x := bounds.Min.X; x < bounds.Max.X; x++ {
            originalColor := img.At(x, y)
            red, green, blue, _ := originalColor.RGBA()
            grayValue := (int(red) + int(green) + int(blue)) / 3

            var colorValue uint8
            if grayValue > threshold {
                colorValue = 255
            } else {
                colorValue = 0
            }

            grayImage.Set(x, y, color.Gray{colorValue})
        }
    }

    // 保存阈值化后的图像
    outputFile, err := os.Create("output.jpg")
    if err != nil {
        log.Fatal(err)
    }
    defer outputFile.Close()

    jpeg.Encode(outputFile, grayImage, nil)
}

上述代码首先打开了名为input.jpg的图像文件，并使用jpeg.Decode函数对图像进行解码。然后，我们创建了一个新的灰度图像用于保存阈值化处理后的结果。接下来，我们遍历图像的每个像素，计算其灰度值，并根据阈值的设定将像素设置为黑色或白色。最后，我们使用jpeg.Encode函数将结果保存为output.jpg。

2. 去噪
   图像去噪是指在图像处理过程中，通过一定的算法和技术，将图像中的噪声减小或消除的过程。常见的图像去噪算法有中值滤波、高斯滤波等。

我们可以使用Golang的draw包来实现简单的中值滤波算法：

package main

import (
    "image"
    "image/color"
    "image/jpeg"
    "log"
    "os"
)

func medianFilter(img image.Image, size int) image.Image {
    bounds := img.Bounds()
    result := image.NewRGBA(bounds)

    for y := bounds.Min.Y; y < bounds.Max.Y; y++ {
        for x := bounds.Min.X; x < bounds.Max.X; x++ {
            mr, mg, mb := 0, 0, 0
            count := 0

            for dy := -size; dy <= size; dy++ {
                for dx := -size; dx <= size; dx++ {
                    nx := x + dx
                    ny := y + dy

                    if nx >= bounds.Min.X && nx < bounds.Max.X && ny >= bounds.Min.Y && ny < bounds.Max.Y {
                        r, g, b, _ := img.At(nx, ny).RGBA()
                        mr += int(r)
                        mg += int(g)
                        mb += int(b)
                        count++
                    }
                }
            }

            rr := uint8(mr / count)
            gg := uint8(mg / count)
            bb := uint8(mb / count)

            result.Set(x, y, color.RGBA{rr, gg, bb, 255})
        }
    }

    return result
}

func main() {
    // 打开图像文件
    file, err := os.Open("input.jpg")
    if err != nil {
        log.Fatal(err)
    }
    defer file.Close()

    // 解码图像
    img, err := jpeg.Decode(file)
    if err != nil {
        log.Fatal(err)
    }

    // 中值滤波处理
    filtered := medianFilter(img, 1)

    // 保存去噪后的图像
    outputFile, err := os.Create("output.jpg")
    if err != nil {
        log.Fatal(err)
    }
    defer outputFile.Close()

    jpeg.Encode(outputFile, filtered, nil)
}

上述代码中，我们定义了一个medianFilter函数来实现简单的中值滤波算法。函数中，我们使用一个size参数来指定滤波窗口的大小。我们遍历图像的每个像素，并根据窗口内的像素计算该像素的中值，并将结果保存到新创建的图像中。最后，我们使用jpeg.Encode函数将结果保存为output.jpgrrreee

Als nächstes können wir Code schreiben, um die Bildschwellenwertregelung zu implementieren :

rrreee
Der obige Code öffnet zunächst eine Bilddatei mit dem Namen input.jpg und verwendet die Funktion jpeg.Decode, um das Bild zu dekodieren. Anschließend erstellen wir ein neues Graustufenbild, um das Schwellenwertergebnis zu speichern. Als nächstes durchlaufen wir jedes Pixel des Bildes, berechnen seinen Graustufenwert und setzen das Pixel je nach Schwellenwert auf Schwarz oder Weiß. Schließlich verwenden wir die Funktion jpeg.Encode, um das Ergebnis als output.jpg zu speichern.

🎜Rauschunterdrückung🎜Unter Bildrauschen versteht man den Prozess der Reduzierung oder Eliminierung von Rauschen in Bildern durch bestimmte Algorithmen und Techniken während der Bildverarbeitung. Zu den gängigen Algorithmen zur Bildrauschunterdrückung gehören die Medianfilterung, die Gaußsche Filterung usw. 🎜🎜🎜Wir können Golangs draw-Paket verwenden, um einen einfachen Median-Filteralgorithmus zu implementieren: 🎜rrreee🎜Im obigen Code definieren wir eine medianFilter-Funktion, um einen einfachen Median-Filter zu implementieren Algorithmus. In der Funktion verwenden wir einen size-Parameter, um die Größe des Filterfensters anzugeben. Wir durchlaufen jedes Pixel des Bildes, berechnen den Medianwert dieses Pixels basierend auf den Pixeln im Fenster und speichern das Ergebnis im neu erstellten Bild. Schließlich verwenden wir die Funktion jpeg.Encode, um das Ergebnis als output.jpg zu speichern. 🎜🎜Zusammenfassung🎜In diesem Artikel wird erläutert, wie Sie mit Golang Bilder mit Schwellenwerten und Rauschunterdrückung versehen. Mit der Schwellenwertfunktion können Farb- oder Graustufenbilder für die anschließende Verarbeitung in Schwarzweißbilder umgewandelt werden. Durch die Rauschunterdrückung kann das Rauschen in Bildern reduziert oder beseitigt und die Bildqualität verbessert werden. Durch Beispielcode können wir diese Bildverarbeitungstechniken besser verstehen und anwenden. Ich hoffe, dass dieser Artikel für Ihr Studium und Ihre Praxis im Bereich der Bildverarbeitung hilfreich sein kann. 🎜

Das obige ist der detaillierte Inhalt vonGolang-Bildmanipulation: Erfahren Sie, wie Sie Bilder begrenzen und entrauschen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!