python 图像平滑去噪（噪声+滤波器）

记录自己用python加opencv实现的图像处理的入门操作，各种平滑去噪滤波器的实现。
包括有：产生的椒盐噪声、高斯噪声等等，以及使用的中值滤波、平均滤波、高斯滤波等等。
分成了两部分来实现：一是自编写函数来实现，二是调用opencv中的相应函数，对比效果。

噪声的产生：分别是椒盐噪声和高斯噪声，原理的话可以参考别人的博客或我之后再补充，噪声就是在原来的图像上以一定的特殊规律给图像增添一些像素，使图像变得模糊等等。

1.噪声的自编写

椒盐噪声：
输入图像和自定义的噪声阈值，输出处理后的图像

# 向图片中添加椒盐噪声
def salt_pepper_noise(image, prob):  # prob:盐噪声阈值，由用户自己决定
    output = np.zeros(image.shape, np.uint8)
    thres = 1 - prob  # 胡椒噪声阈值
    for i in range(image.shape[0]):  # 遍历整个图片的灰度级
        for j in range(image.shape[1]):
            randomnum = random.random()  # 生成一个随机0-1之间的随机数
            if randomnum < prob:  # 如果随机数大于盐噪声阈值0.1，则将此位置灰度级的值设为0，即添加盐噪声
                output[i][j] = 0
            elif randomnum > thres:  # 如果随机数大于胡椒噪声阈值1-0.1，则将此位置灰度级的输出设为255，即添加胡椒噪声
                output[i][j] = 255
            else:  # 如果随机数处于两者之间，则此位置的灰度级的值等于原图的灰度级值
                output[i][j] = image[i][j]
    return output

高斯噪声：
输入图像，自定义的参数：均值、方差，输出的是处理后的图像

# 向图片中添加高斯噪声
def gasuss_noise(image, mean=0, var=0.001):         # mean : 均值，var : 方差
    image = np.array(image/255, dtype=float)
    noise = np.random.normal(mean, var ** 0.5, image.shape)  # 使用numpy库中的函数生成正态分布矩阵，对应数据分别为概率均值，概率标准差，图像的大小
    output = image + noise  # 输出结果为原图灰度级概率与噪声概率相加
    output_handle = np.array([[[0]*3 for i in range(output.shape[1])] for i in range(output.shape[0])], dtype=float)
    # 处理后最终输出矩阵将齐大小设置为与原图一样
    if output.min() < 0:  # 确定一个比较中间值
        low_clip = -1.
    else:
        low_clip = 0.
    for i in range (output.shape[0]):  # 遍历整个三位矩阵
        for j in range (output.shape[1]):
            for k in range (output.shape[2]):
                if output[i][j][k] < low_clip:  # 将输出的概率矩阵内的值限定在(-1,1)范围内
                    output_handle[i][j][k] = low_clip   # 使其之后*255变为灰度级时不会超出[0-255]的范围
                elif output[i][j][k] > 1.0:
                    output_handle[i][j][k] = 1.0
                else:
                    output_handle[i][j][k] = output[i][j][k]    # 在最大值和最小值之间的不变
    output = np.uint8(output_handle*255)   # 将处理后的灰度级转化为[0-255]的整数级
    return output

加性噪声：

# 向图片中添加加性噪声
def addrandom_noise(image,prob=0.1):
    output = image   # 将原始图像数据拷贝至输出矩阵
    n = random.randint(1, 1000) + int(prob*20000)
    for k in range(n-500):
        a = random.randint(0, 50)
        b = random.randint(0, 50)
        c = random.randint(0, 50)
        i = random.randint(0, image.shape[0]-1)
        j = random.randint(0, image.shape[1]-1)
        output[i][j][0] = 255-a
        output[i][j][1] = 255-b
        output[i][j][2] = 255-c
    for k in range(n):
        a = random.randint(0, 50)
        b = random.randint(0, 50