降噪在计算机和信号学中用到的非常多，在多媒体技术中，降噪主要是去除图片上的干扰噪点，玩过单反的都知道，当ISO调太高的时候，图片会产生颗粒感，这些颗粒就是噪点。当然，验证码图片上的噪点有大有小，只要是用来干扰机器识别的，会对后面的图片处理以及识别造成干扰。

常见的降噪算法一般都是一些滤波算法——均值滤波、中值滤波、自适应维纳滤波器和小波滤波等，不过在这里由于大多数验证码字符本身不是标准的打印体，而且字符相对较小，直线感很强，所以滤波算法降噪的效果不是很好。比如有些字符本身就比较模糊，在笔画弯折的地方很浅，使用滤波算法之后很容易将连贯的字符分成两个部分，另外如果验证码图片很小，有可能滤波之后整个验证码字符都被视为噪点了。

所以这里我自己实现了两种算法，都比较简单，但是经过试验，去除验证码噪点的效果很好，基本上能够应付所有的验证码噪点。

一、8邻域降噪

先介绍第一种方法，这种方法类似均值滤波，不过对于每个pixel，不是取其周围像素的灰度平均值，而是统计其周围像素点的灰度值为0或255的个数。从前面经过二值化处理可知，如果一个pixel是验证码或者干扰因素的一部分，那么这个pixel在二值化结果中其灰度值一定是0，即黑色；如果一个pixel是背景，则其灰度值应该是255是白色。因此对于孤立的噪点，其周围应该都是白色，或者大多数点都是白色pixel，比如下面的图片：

所以对一个噪点来讲，其周围的pixel应该全是白色的背景才对，准确来讲就是一个噪点pixel是黑色的并且外包的8个相邻pixel全是白色。当然，如果图片分辨率够高，一个噪点实际上可能是有很多个pixel组成，所以此时的判断条件应该放宽，即一个pixel是黑色的并且相邻的8个pixel白色的大于一个固定值，那么这个pixel就是噪点。对于不同的验证码，这个阀值是不固定的，所以在这可以设置大小，多试几次，找到最佳的阀值。

经过测试，8领域降噪法对于小的噪点的去除是很有效的，而且计算量不大，下面是一些结果图

，

左边的时原图，右边的是降噪以后的图，当然降噪没有降干净，这是因为这个方法对小噪点比较好，如果阀值设的比较大，很多验证码字符也会受到很大影响，因为验证码可能就是一些断断续续的点连出来的，阀值设太大，尽管噪点没了，验证码也会没了。

代码如下，所有关于像素的处理，都是基于opencv库：