目錄

1.圖像噪聲介紹

2.椒鹽噪聲的產(chǎn)生

3.高斯噪聲的產(chǎn)生

1.圖像噪聲介紹

噪聲介紹

? ? ?圖像噪聲是指在圖像中存在的不期望的、隨機(jī)的像素值變化，這些變化來源于多種因素。噪聲可能導(dǎo)致圖像細(xì)節(jié)模糊、失真或難以分辨。

以下是幾種常見的圖像噪聲類型：

? ? ? 1.椒鹽噪聲:又被稱作脈沖噪聲，它會隨機(jī)改變圖像中的像素值，是由相機(jī)成像、圖像傳輸、解碼處理等過程產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。

? ? ?2. 高斯噪聲:高斯噪聲是指噪聲分布的概率密度函數(shù)服從高斯分布(正態(tài)分布)的一類噪聲。

2.椒鹽噪聲的產(chǎn)生

椒鹽噪聲生成的步驟：

• Step1:確定添加椒鹽噪聲的位置。
• Step2:確定噪聲的種類。
• Step3:修改圖像像素灰度值。
• Step4:得到含有椒鹽噪聲的圖像。

?由于椒鹽噪聲是隨機(jī)產(chǎn)生的，所以我們要使用opencv中能夠產(chǎn)生 隨機(jī)數(shù)的函數(shù)，有下面兩個：

1.rand_double()

double cvflann::rand_double ( double high=1.0,

double low = 0

)

2.rand_int()

int cvflann::rand_int ( int high =RAND MAX,

int low = 0

)

由于圖像像素中的數(shù)據(jù)都是整數(shù)，并且產(chǎn)生的椒鹽噪聲的數(shù)據(jù)是0或者255的整數(shù)，我們主要使用rand_int()這個函數(shù)。

? ? ? ?在OpenCV中，可以使用cv::Mat類和隨機(jī)數(shù)生成函數(shù)rand_int()來模擬生成椒鹽噪聲。下面是一個示例代碼，展示如何在圖像中添加椒鹽噪聲：

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

using namespace cv;
using namespace std;

//圖像添加椒鹽噪聲函數(shù)
void saltAndPepper(Mat image,int n){
    for(int k=0;k<n/2;k++){
        //隨機(jī)確定圖像中的位置
        int i,j;
        i=cvflann::rand_int()%image.cols;//取余數(shù)運(yùn)算，保證在圖像的列數(shù)內(nèi)
        j=cvflann::rand_int()%image.rows;//取余數(shù)運(yùn)算，保證在圖像的行數(shù)內(nèi)
        int write_black=rand()%2;//判斷為白色噪聲還是黑色噪聲的變量
        if(write_black==0)//添加白色噪聲
        {
            if(image.type()==CV_8UC1){
                image.at<uchar>(j,i)=255;//白色噪聲
            }
            else if(image.type()==CV_8UC4)//處理彩色圖片
            {
                image.at<Vec4b>(j,i)[0]=255;//Vec4b為opencv定義的一個3個值的向量類型，指定通道，B:0 G:1 R:2
                image.at<Vec4b>(j,i)[1]=255;
                image.at<Vec4b>(j,i)[2]=255;
                image.at<Vec4b>(j,i)[3]=255;
            }
        }else{//添加黑色噪聲
            if(image.type()==CV_8UC1){
                image.at<uchar>(j,i)=0;//白色噪聲
            }
            else if(image.type()==CV_8UC4)//處理彩色圖片
            {
                image.at<Vec4b>(j,i)[0]=0;//Vec4b為opencv定義的一個3個值的向量類型，指定通道，B:0 G:1 R:2
                image.at<Vec4b>(j,i)[1]=0;
                image.at<Vec4b>(j,i)[2]=0;
                image.at<Vec4b>(j,i)[3]=0;
            }

        }

    }
}
//椒鹽噪聲
void Saltandpepper_noise(Mat image){
    Mat gray;
    cvtColor(image,gray,COLOR_BGR2GRAY);

    imwrite("/sdcard/DCIM/image.png",image);//展示原圖
    imwrite("/sdcard/DCIM/gray.png",gray);

    saltAndPepper(image,10000);//彩色圖像添加椒鹽噪聲
    saltAndPepper(gray,10000);//灰度圖像添加椒鹽噪聲

    imwrite("/sdcard/DCIM/image_saltAndPepper.png",image);
    imwrite("/sdcard/DCIM/gray_saltAndPepper.png",gray);

}

在上面的代碼中，首先包含了OpenCV的頭文件<opencv2/opencv.hpp>。然后，定義了一個名為SaltAndPepper()的函數(shù)，用于向圖像中添加椒鹽噪聲。

該函數(shù)使用cvflann::rand_int()函數(shù)生成隨機(jī)數(shù)，并根據(jù)給定的噪聲比例計算添加噪聲的像素數(shù)量。接著，在圖像中隨機(jī)選擇這些像素，并將其值設(shè)置為黑色（0）或白色（255），從而模擬生成椒鹽噪聲。

在Saltandpepper_noise函數(shù)中，讀取了原始圖像，并調(diào)用SaltAndPepper()函數(shù)來添加椒鹽噪聲。然后，使用cv::imwrite()顯示帶有噪聲的圖像。

? ? ? ?

? ? ? ? ?灰度圖像? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?灰度圖像添加椒鹽噪聲

? ??

? ? ? ? ? ? 彩色圖像? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?彩色圖像添加椒鹽噪聲

請注意，在示例代碼中，假設(shè)待處理的圖像是8位無符號整型單通道灰度圖像（CV_8UC1）或4通道彩色圖像（CV_8UC4）。如果處理的圖像類型不同，需要相應(yīng)地修改代碼。

3.高斯噪聲的產(chǎn)生

高斯噪聲生成的步驟：

Step1:創(chuàng)建一個與圖像尺寸、數(shù)據(jù)類型以及通道數(shù)相同的Mat類變量。

Step2:在Mat類變量中產(chǎn)生符合高斯分布的隨機(jī)數(shù)。

Step3:將原圖像和含有高斯分布的隨機(jī)數(shù)矩陣相加。

Step4:得到添加高斯噪聲的圖像。

在OpenCV中，RNG::fill()是一個用于填充數(shù)組或矩陣的函數(shù)，它可以生成指定分布的隨機(jī)數(shù)，并將其存儲在指定的數(shù)據(jù)結(jié)構(gòu)中。該函數(shù)的簽名如下：

void cv::RNG::fill ( InputOutputArray mat,

int? ? ?distType,

InputArray? ?a,

InputArray? ? ?b,

bool? ? ?saturateRange = false

)

• mat：用于存放隨機(jī)數(shù)的矩陣，目前只支持低于5通道的矩陣。
• distType：指定生成隨機(jī)數(shù)分布的類型，可以是以下值之一：
  • RNG::UNIFORM：均勻分布
  • RNG::NORMAL：正態(tài)分布（高斯分布）
• a：生成分布所需的參數(shù)之一。對于均勻分布，它表示隨機(jī)數(shù)的下界；對于正態(tài)分布，它是均值。
• b：生成分布所需的參數(shù)之二。對于均勻分布，它表示隨機(jī)數(shù)的上界；對于正態(tài)分布，它是標(biāo)準(zhǔn)差。
• saturateRange：一個可選的布爾值，如果為true，則將生成的隨機(jī)數(shù)截斷到輸出數(shù)組或矩陣的數(shù)據(jù)類型的有效范圍內(nèi)。

在OpenCV中，可以使用隨機(jī)數(shù)生成函數(shù)和高斯分布函數(shù)來模擬生成高斯噪聲。下面是一個示例代碼，展示如何在圖像中添加高斯噪聲：

//高斯噪聲
void Gaussian_noise(Mat image){
    Mat gray;
    cvtColor(image,gray,COLOR_BGR2GRAY);
    Mat image_noise=Mat::zeros(image.rows,image.cols,image.type());
    Mat gray_noise=Mat::zeros(gray.rows,gray.cols,gray.type());

    imwrite("/sdcard/DCIM/image.png",image);//展示原圖
    imwrite("/sdcard/DCIM/gray.png",gray);

    RNG rng;//創(chuàng)建一個RNG類
    rng.fill(image_noise,RNG::NORMAL,10,20);//生成三通道的高斯分布隨機(jī)數(shù)
    rng.fill(gray_noise,RNG::NORMAL,15,30);

    imwrite("/sdcard/DCIM/image_noise.png",image_noise);//三通道的高斯噪聲
    imwrite("/sdcard/DCIM/gray_noise.png",gray_noise);//單通道的高斯噪聲

    image=image+image_noise;//在彩色圖像中添加高斯噪聲
    gray=gray+gray_noise;//在灰度圖像中添加高斯噪聲

    //顯示添加高斯噪聲后的圖像
    imwrite("/sdcard/DCIM/image_Gaussian.png",image);
    imwrite("/sdcard/DCIM/gray_Gaussian.png",gray);
}

這段示例代碼演示了如何生成高斯噪聲，并將其添加到彩色圖像和灰度圖像中。

首先，代碼使用cvtColor函數(shù)將輸入的彩色圖像轉(zhuǎn)換為灰度圖像，并創(chuàng)建了gray和image變量來存儲結(jié)果。

接下來，代碼創(chuàng)建了兩個空白圖像：image_noise和gray_noise，它們與輸入圖像和灰度圖像具有相同的尺寸和類型。這些圖像將用于存儲生成的高斯噪聲。

然后，代碼利用RNG類創(chuàng)建了一個隨機(jī)數(shù)生成器對象rng。

通過調(diào)用rng.fill()函數(shù)，代碼將生成服從高斯分布的隨機(jī)數(shù)填充到image_noise和gray_noise中。第一個參數(shù)是要填充的圖像，第二個參數(shù)RNG::NORMAL表示生成的隨機(jī)數(shù)應(yīng)符合正態(tài)分布。第三個和第四個參數(shù)分別表示高斯分布的均值和標(biāo)準(zhǔn)差，這里分別為10和20（對于image_noise）以及15和30（對于gray_noise）。這些值可以根據(jù)需要進(jìn)行調(diào)整。

之后，代碼使用imwrite函數(shù)將原始圖像、灰度圖像、生成的高斯噪聲圖像保存到指定路徑，將結(jié)果可視化。

最后，代碼將高斯噪聲添加到輸入的彩色圖像和灰度圖像中，通過對應(yīng)的像素相加。結(jié)果圖像被保存并可視化。

? ? ??

? ? ? ? ? ?灰度圖像? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?灰度圖像添加高斯噪聲

? ? ? ?

? ? ? 彩色圖像? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?彩色圖像添加高斯噪聲文章來源地址http://www.zghlxwxcb.cn/news/detail-707042.html

到了這里，關(guān)于OpenCV（二十一）：椒鹽噪聲和高斯噪聲的產(chǎn)生的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！