inputFolderPath = 'E:\oracle\images\';

outputFolderPath = 'E:\oracle\process\';

% 获取文件夹中所有图片的文件列表

imageFiles = dir(fullfile(inputFolderPath, '*.jpg'));

% 设置colorbar范围阈值

threshold = 120;

% 遍历每个图片文件

for i = 1:length(imageFiles)

% 读取图片

currentImage = imread(fullfile(inputFolderPath, imageFiles(i).name));

% 创建一个二值化图像，大于阈值的部分为1，其余部分为0

binaryImage = currentImage(:,:,1) > threshold;

% 将大于阈值的部分设为黑色，其余部分设为白色

resultImage = uint8(cat(3, ~binaryImage * 255, ~binaryImage * 255, ~binaryImage * 255));

% 保存新生成的图像到新的文件夹

[~, name, ext] = fileparts(imageFiles(i).name);

resultFileName = fullfile(outputFolderPath, [regexprep(name, '_filtered', '') ext]);

imwrite(resultImage, resultFileName);

end

 

1.降噪与细化处理：应用中值滤波和阈值法（大津算法Otsu's method）来减少噪声（去除了甲骨文内部一些白色噪点，同时将背景中大部分噪点去除，并将甲骨上边缘模糊的地方进行细化操作处理，注意保证甲骨文的清晰程度）

中值滤波降噪： 对甲骨文图像进行中值滤波操作，以减少图像中的噪声。

细化处理： 可以采用形态学操作中的细化算法对甲骨文边缘进行进一步细化，以保证甲骨文的清晰度。

 

import os
import cv2

def denoise_image(image):
    # 中值滤波
    denoised_image = cv2.medianBlur(image, 5)  # 中值滤波

    # 高斯滤波
    # denoised_image = cv2.GaussianBlur(image, (7, 7), 0)  # 高斯滤波

    return denoised_image

# 输入和输出目录
input_folder = 'E:/oracle/process1/'
output_folder = 'E:/oracle/process2/'

# 确保输出目录存在
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 处理多张图片
for filename in os.listdir(input_folder):
    # 读取图像
    image_path = os.path.join(input_folder, filename)
    image = cv2.imread(image_path)

    # 降噪
    denoised_image = denoise_image(image)

    # 保存结果
    output_path = os.path.join(output_folder, filename)
    cv2.imwrite(output_path, denoised_image)