这是图像处理的第一章,简单地说一下OpenCv
的基础功能
- 图像的读取
- 图像的显示
- 访问图像的像素值
这一节,我将会介绍一下各种噪声的类型,并且添加两三种常见的噪声
将图像读入到Mat
后,有三种方式访问Mat
中的数据:
- 通过指针
- 使用迭代器
- 调用at
相信大家已经对这些基础中的基础了解的很不错了,所以我就直接开始介绍主题,噪声
(以下的介绍为其他博客找到的)
图像噪声
图像噪声是图像在获取或传输的过程中受到随机信号的干扰,在图像上出现的一些随机的、离散的、孤立的像素点,这些点会干扰人眼对图像信息的分析。图像的噪声通常是比较复杂的,很多时候将其看成是多维随机过程,因而可以借助于随即过程描述噪声,即使用概率分布函数和概率密度函数。
图像的噪声很多,性质也千差万别, 可以通过不同的方法给噪声分类。
按照产生的原因:
- 外部噪声
内部噪声
这种分类方法,有助于理解噪声产生的源头,但对于降噪算法只能起到原理上的帮组。
噪声和图像信号的关系,可以分为:
- 加性噪声,加性噪声和图像信号强度不相关,这类噪声可以看着理想无噪声图像f和噪声的和。
- 乘性噪声,乘性噪声和图像信号是相关的,往往随图像信号的变化而变化。 而为了分析处理的方便,常常将乘性噪声近似认为是加性噪声,而且总是假定信号和噪声是互相独立的。
按照概率密度函数(PDF)分类:
- 高斯噪声,高斯噪声模型经常被用于实践中。
- 脉冲噪声(椒盐噪声),图像上一个个点,也可称为散粒和尖峰噪声。
- 伽马噪声
- 瑞利噪声
- 指数分布噪声
- 均匀分布噪声
这种分类方法,引入了数学模型,对设计过滤算法比较有帮助。
给图像添加噪声
按照指定的噪声类型,生成一个随机数,然后将这个随机数加到源像素值上,并将得到的值所放到[0,255]
区间即可。