利用OpenCV给彩色图像添加椒盐噪声的方法_Python

利用OpenCV给彩色图像添加椒盐噪声的方法

2022-01-20 00:03点云侠 Python

椒盐噪声是数字图像中的常见噪声,一般是图像传感器、传输信道及解码处理等产生的黑白相间的亮暗点噪声,椒盐噪声常由图像切割产生,这篇文章主要给大家介绍了关于利用OpenCV给彩色图像添加椒盐噪声的相关资料,需要的朋友可以

一、图像噪声

图像噪声是图像在获取或者传输过程中受到随机信号干扰，妨碍人们对图像理解及分析处理的信号。很多时候将图像看作随机过程，因而描述噪声的方法完全可以借用随机过程的描述，即使用其概率分布函数和概率密度分布函数。图像噪声的产生来自图像获取中的环境条件和传感元器件自身的质量，图像在传输过程中产生图像噪声的主要因素是所用的传输信道受到噪声污染。

二、椒盐噪声

椒盐噪声是数字图像中的常见噪声，一般是图像传感器、传输信道及解码处理等产生的黑白相间的亮暗点噪声，椒盐噪声常由图像切割产生。椒盐噪声是指两种噪声：盐噪声和椒噪声。盐噪声一般是白色噪声，椒噪声一般为黑色噪声。前者属于高灰度噪声，或者属于低灰度噪声，一般两种噪声同时出现，呈现黑白杂点。去除椒盐噪声常用的方法是中值滤波。

三、C++代码

#include <opencv2\opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

//-----------------------------------椒盐噪声函数----------------------------------------------
void saltAndPepper(cv::Mat image, int n)
{
	for (int k = 0; k < n / 2; k++)
	{
		// 随机确定图像中添加椒盐噪声的位置
		int i, j;
		i = std::rand() % image.cols;       // 取余数运算，保证在图像的列数内 
		j = std::rand() % image.rows;       // 取余数运算，保证在图像的行数内 
		int write_black = std::rand() % 2;  // 判定为白色噪声还是黑色噪声的变量
		// 添加白色噪声
		if (write_black == 0)               
		{
			image.at<cv::Vec3b>(j, i)[0] = 255; //cv::Vec3b为opencv定义的一个3个值的向量类型  
			image.at<cv::Vec3b>(j, i)[1] = 255; //[]指定通道，B:0，G:1，R:2  
			image.at<cv::Vec3b>(j, i)[2] = 255;

		}
		// 添加黑色噪声
		else  
		{
			image.at<cv::Vec3b>(j, i)[0] = 0; //cv::Vec3b为opencv定义的一个3个值的向量类型  
			image.at<cv::Vec3b>(j, i)[1] = 0; //[]指定通道，B:0，G:1，R:2  
			image.at<cv::Vec3b>(j, i)[2] = 0;
		}
	}

}


int main()
{
	Mat lena = imread("qq.jpg");

	if (lena.empty())
	{
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	imshow("原图", lena);
	saltAndPepper(lena, 10000);       // 彩色图像添加椒盐噪声
	imshow("添加噪声", lena);

	waitKey(0);

	return 0;
}

四、结果展示

1、原图

利用OpenCV给彩色图像添加椒盐噪声的方法

2、添加椒盐噪声

利用OpenCV给彩色图像添加椒盐噪声的方法

五、python代码

import numpy as np
import cv2


def salt_pepper_noise(image, prob):
  """
  添加椒盐噪声
  :param image: 输入图像
  :param prob: 噪声比
  :return: 带有椒盐噪声的图像
  """
  salt = np.zeros(image.shape, np.uint8)
  thres = 1 - prob
  for i in range(image.shape[0]):
      for j in range(image.shape[1]):
          rdn = np.random.rand()
          if rdn < prob:
              salt[i][j] = 0
          elif rdn > thres:
              salt[i][j] = 255
          else:
              salt[i][j] = image[i][j]
  return salt


src = cv2.imread('qq.jpg')
cv2.namedWindow('input_image', cv2.WINDOW_AUTOSIZE)
cv2.imshow('input_image', src)
tar = salt_pepper_noise(src, 0.01)
cv2.imshow('noise', tar)
cv2.waitKey(0)
cv2.destroyAllWindows()