几种常见的数字图像噪声，及使用python添加噪声

参考文章：
https://blog.csdn.net/zhoufan900428/article/details/37695357

常见噪声：高斯噪声，椒盐噪声，泊松噪声，乘性噪声

高斯噪声

概率密度函数服从高斯分布的噪声。
产生原因：
1）图像传感器在拍摄时市场不够明亮、亮度不够均匀；
2）电路各元器件自身噪声和相互影响；
3）图像传感器长期工作，温度过高

泊松噪声

泊松噪声，就是符合泊松分布的噪声模型，泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数，电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数等等

乘性噪声

乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在他也就不在。

椒盐噪声

椒盐噪声，椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。
椒盐噪声往往由图像切割引起。

瑞利噪声

瑞利噪声相比高斯噪声而言，其形状向右歪斜，这对于拟合某些歪斜直方图噪声很有用。
瑞利噪声的实现可以借由平均噪声来实现。其matlab实现如下：

a = -0.2;
b = 0.03;
n_rayleigh = a + (-b .* log(1 - rand(M,N))).^0.5;

伽马噪声

伽马噪声的分布，服从了伽马曲线的分布。伽马噪声的实现，需要使用b个服从指数分布的噪声叠加而来。指数分布的噪声，可以使用均匀分布来实现。（b=1时为指数噪声，b>1时通过若干个指数噪声叠加，得到伽马噪声）

a = 25;
b = 3;
n_Erlang = zeros(M,N); 
 
 for j=1:b
    n_Erlang = n_Erlang + (-1/a)*log(1 - rand(M,N));
end

均匀噪声

使用python的skimage.util.random_noise(image, mode=‘gaussian’, seed=None, clip=True, **kwargs)来添加噪声

1.先安装必要的依赖库：numpy , scipy , matpoltlib
2.安装scikit-image

pip install scikit-image

3.导入util库

import skimage
from skimage import util

4.函数介绍

def random_noise(image, mode='gaussian', seed=None, clip=True, **kwargs):
功能：为浮点型图片添加各种随机噪声
参数：
image：输入图片（将会被转换成浮点型），ndarray型
mode： 可选择，str型，表示要添加的噪声类型
	gaussian：高斯噪声
	localvar：高斯分布的加性噪声，在“图像”的每个点处具有指定的局部方差。
	poisson：泊松再生
	salt：盐噪声，随机将像素值变成1
	pepper：椒噪声，随机将像素值变成0或-