数字图像噪声_Python

最新推荐文章于 2024-01-14 19:18:54 发布

Miss ❥ Ma

最新推荐文章于 2024-01-14 19:18:54 发布

阅读量1.1k

点赞数 2

分类专栏：图像处理文章标签：数字图像噪声 python

本文链接：https://blog.csdn.net/TOMBOY_Marry/article/details/83997515

版权

本文探讨了数字图像噪声的来源，并通过Python详细展示了如何在灰度图和彩色图中加入高斯噪声、椒盐噪声，以及指数分布、均匀分布和伽马（爱尔兰）噪声的模拟过程。

摘要由CSDN通过智能技术生成

一：数字图像噪声来源

图像的获取（数字化过程）和传输过程，当使用相机获取图像时，光照程度和传感器温度是生成图像大量噪点的主要因素。

二：灰度图加入高斯噪声（正态噪声）

def GaussianNoise(src,mean,sigma):
    NoiseImg=src
    rows,cols=NoiseImg.shape
    for i in range(rows):
        for j in range(cols):
            NoiseImg[i,j]=NoiseImg[i,j]+random.gauss(mean,sigma)
            if NoiseImg[i,j]<0:
                NoiseImg[i,j]=0
            elif NoiseImg[i,j]>255:
                NoiseImg[i,j]=255
    return NoiseImg

img=cv2.imread('IMG_4470.JPG',0)
img=GaussianNoise(img,2,4)
cv2.imwrite('IMG_4470_GaussianNoise.jpg',img)
cv2.imshow('IMG_4470_GaussianNoise',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.waitKey(1)

输出结果为：
在这里插入图片描述原图为：

三：彩色图加入高斯噪声

def GaussianNoise_color(src,mean,sigma):
    NoiseImg=src
    rows,cols,_=NoiseImg.shape
    for i in range(rows):
        for j in range(cols):
            NoiseImg[i,j]=NoiseImg[i,j]+random.gauss(mean,sigma)
    return NoiseImg

img=cv2.imread('IMG_4470.JPG')
img=GaussianNoise_color_percentage(img,2,4)
cv2.imwrite('IMG_4470_GaussianNoise_color_1.jpg',img)
cv2.imshow('IMG_4470_GaussianNoise_color_1',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.waitKey(1)

输出为：
在这里插入图片描述