OpenCv基础（一）：噪声的添加和过滤

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。