#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/imgproc/types_c.h>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/highgui/highgui_c.h>
#include<chrono>
using namespace cv;
using namespace std;
#include<string>
//
additional functions/
add Salt-and-pepper noise
//void addNoiseSoltPepperMono(Mat& src, Mat& dest, double per) {//per控制椒盐噪点的含量
// cv::RNG rng;//随机数产生器
//#pragma omp parallel for
// for (int j = 0; j < src.rows; j++) {
// uchar* s = src.ptr(j);
// uchar* d = dest.ptr(j);
// for (int i = 0; i < src.cols; i++) {
// //产生0~1均匀分布的随机数为 a1,用于控制是否在该像素点添加椒盐噪点
// double a1 = rng.uniform((double)0, (double)1);
// //如果随机数a1大于给定的值per,该点为原值,否则为椒盐噪点
// if (a1 > per)d[i] = s[i];
// else {
// //产生0~1均匀分布的随机数为 a2,用于控制该噪点为椒噪点还是盐噪点
// double a2 = rng.uniform((double)0, (double)1);
// if (a2 > 0.5)d[i] = 0;
// else d[i] = 255;
// }
// }
// }
//}
添加高斯噪声
//void addNoiseMono(Mat& src, Mat& dest, double sigma) {
// Mat s;
// src.convertTo(s, CV_16S);
// Mat n(s.size(), CV_16S);
// //randn()将n填充为高斯分布均值为0,标准差为sigma的随机数
// randn(n, 0, sigma);
// Mat temp = s + n;//将原图与高斯噪声叠加在一起输出
// temp.convertTo(dest, CV_8U);
// /*
// CV_8U 8位无符号整型(0-255)
// CV_8S 8位有符号整型(-128-127)
// CV_16U 16位无符号整型(0-65535)
// CV_16S 16位有符号整型(-32768-32767)
// CV_32S 32位有符号整型(-2147483648-2147483647)
// CV_32F 32为浮点型
// CV_64F 64位浮点型
// */
//}
//
//void addNoise(Mat&src, Mat& dest, double sigma, double sprate = 0.0) {
// //如果是单通道图片,调用一次增噪函数即可,否则拆分通道分别增噪然后合并
// if (src.channels() == 1) {
// addNoiseMono(src, dest, sigma);//先添加高斯噪点
// if (sprate != 0)addNoiseSoltPepperMono(dest, dest, sprate);//然后添加椒盐噪点
// return;
// }
// else {
// Mat s[3];
// Mat d[3];
// split(src, s);
// for (int i = 0; i < src.channels(); i++) {
// addNoiseMono(s[i], d[i], sigma);
// if (sprate != 0)addNoiseSoltPepperMono(d[i], d[i], sprate);
// }
// cv::merge(d, 3, dest);
// }
//}
//
计算一个通道的PSNR值,计算公式参考wiki
https://zh.wikipedia.org/wiki/峰值信噪比
https://zhuanlan.zhihu.com/p/40746930
static double getPSNR(Mat& src, Mat& dest) {
int i, j;
double sse, mse, psnr;
sse = 0.0;
for (j = 0; j < src.rows; j++) {
uchar* d = dest.ptr(j);
uchar* s = src.ptr(j);
for (i = 0; i < src.cols; i++) {
sse += ((d[i] - s[i])*(d[i] - s[i]));
}
}
if (sse == 0.0) {
return 0;
}
else {
mse = sse / (double)(src.cols*src.rows);
psnr = 10.0*log10((255 * 255) / mse);
return psnr;
}
}
计算图片的PSNR
///*
// 对于单通道图片
图像各种滤波
最新推荐文章于 2023-03-29 18:38:45 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)