快捷導(dǎo)航

python使用opencv對圖像添加噪聲(高斯/椒鹽/泊松/斑點(diǎn))

更新時(shí)間：2022年04月06日 10:08:44 作者：修煉之路

這篇文章主要介紹了python使用opencv對圖像添加噪聲(高斯/椒鹽/泊松/斑點(diǎn)),具有一定的學(xué)習(xí)價(jià)值，需要的小伙伴可以參考一下，希望對你有所幫助

1、高斯噪聲

高斯噪聲就是給圖片添加一個(gè)服從高斯分布的噪聲，可以通過調(diào)節(jié)高斯分布標(biāo)準(zhǔn)差(sigma)的大小來控制添加噪聲程度，sigma越大添加的噪聲越多圖片損壞的越厲害

#讀取圖片
img = cv2.imread("demo.png")
#設(shè)置高斯分布的均值和方差
mean = 0
#設(shè)置高斯分布的標(biāo)準(zhǔn)差
sigma = 25
#根據(jù)均值和標(biāo)準(zhǔn)差生成符合高斯分布的噪聲
gauss = np.random.normal(mean,sigma,(img_height,img_width,img_channels))
#給圖片添加高斯噪聲
noisy_img = image + gauss
#設(shè)置圖片添加高斯噪聲之后的像素值的范圍
noisy_img = np.clip(noisy_img,a_min=0,a_max=255)
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)

2、椒鹽噪聲

椒鹽噪聲就是給圖片添加黑白噪點(diǎn)，椒指的是黑色的噪點(diǎn)(0,0,0)鹽指的是白色的噪點(diǎn)(255,255,255)，通過設(shè)置amount來控制添加噪聲的比例，值越大添加的噪聲越多，圖像損壞的更加嚴(yán)重

#讀取圖片
img = cv2.imread("demo.png")
#設(shè)置添加椒鹽噪聲的數(shù)目比例
s_vs_p = 0.5
#設(shè)置添加噪聲圖像像素的數(shù)目
amount = 0.04
noisy_img = np.copy(image)
#添加salt噪聲
num_salt = np.ceil(amount * image.size * s_vs_p)
#設(shè)置添加噪聲的坐標(biāo)位置
coords = [np.random.randint(0,i - 1, int(num_salt)) for i in image.shape]
noisy_img[coords] = 255
#添加pepper噪聲
num_pepper = np.ceil(amount * image.size * (1. - s_vs_p))
#設(shè)置添加噪聲的坐標(biāo)位置
coords = [np.random.randint(0,i - 1, int(num_pepper)) for i in image.shape]
noisy_img[coords] = 0
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)

3、泊松噪聲

#讀取圖片
img = cv2.imread("demo.png")
#計(jì)算圖像像素的分布范圍
vals = len(np.unique(image))
vals = 2 ** np.ceil(np.log2(vals))
#給圖片添加泊松噪聲
noisy_img = np.random.poisson(image * vals) / float(vals)
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)

4、speckle噪聲

#讀取圖片
img = cv2.imread("demo.png")
#隨機(jī)生成一個(gè)服從分布的噪聲
gauss = np.random.randn(img_height,img_width,img_channels)
#給圖片添加speckle噪聲
noisy_img = image + image * gauss
#歸一化圖像的像素值
noisy_img = np.clip(noisy_img,a_min=0,a_max=255)
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)