MATLAB--数字图像处理【添加高斯噪声】

概念
  所谓噪声，可以理解为“妨碍人的视觉系统或系统传感器对所接收到的图像信息进行理解或分析的各种因素”，也可以理解为“真实信号与理想信号之间存在的偏差”。以 n(x,y) 表示。
  高斯噪声是由于元器件中的电子随机热运动而造成的，很早就被人们成功地建模并研究，一般常用零均值高斯白噪声作为其模型。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。

我的理解
  高斯噪声就是符合高斯分布（概率论中的概念）的噪声，在数字图像处理这块就是二维的高斯分布（正态分布）。那么怎么添加高斯噪声呢？首先我们肯定要得到一个二维的、符合高斯分布的噪声矩阵，然后将其添加到原图像上。这样高斯噪声就添加成功了。

方法一：利用randn() 函数生成高斯噪声

  这里需要用到randn()函数，该函数就专门用来生成正态分布数据的一个函数。
  比如 randn(10,10），然后这个矩阵和原图像矩阵相加即可(注意缩放灰度范围)

t=imread('a1.jpg');
[m,n,z]=size(t);
y=0+0.1*randn(m,n);%二维高斯分布矩阵 0是均值 0.1是标准差

%先将其double化，再除以255 便于后面计算
t1=double(t)/255;

%加上噪声
t1=t1+y;

%将像素范围扩大至0--255
t1=t1*255;

%转换为uint8类型
t1=uint8(t1);

subplot(1,2,1),imshow(t),title('原图');
subplot(1,2,2),imshow(t1),title('加入均值为0，标准差为0.1的高斯噪声后');

效果图如下：

方法二：随机生成高斯噪声

代码：

image=imread('a1.jpg');
[width,height,z]=size(image);
subplot(1,2,1);
imshow(image);
title('原图');
av=0;
std=0.1;
u1=rand(width,height);
u2=rand(width,height);
x=std*sqrt(-2*log(u1)).*cos(2*pi*u2)+av;
result1=double(image)/255+x;
result1=uint8(255*result1);
subplot(1,2,2);
imshow(result1);
title('加入均值为0，标准差为0.1的高斯噪声后');

效果图如下：

方法三：利用imnoise()函数添加高斯噪声

  实际上，imnoise() 函数既可以添加高斯噪声，又可以添加椒盐噪声。高斯噪声的关键字为‘gaussian’，而椒盐噪声的关键字为‘salt & pepper’。

代码：

t=imread('a1.jpg');
imshow(t),title('原图');
t1=imnoise(t,'gaussian',0,0.01);
figure,imshow(t1),title('添加均值为0，方差为0.01的高斯噪声');        %默认均值为0，方差为0.01
t2=imnoise(t,'gaussian',0,0.02);
figure,imshow(t2),title('添加均值为0，方差为0.02的高斯噪声');
t3=imnoise(t,'gaussian',0,0.03);
figure,imshow(t3),title('添加均值为0，方差为0.03的高斯噪声');
t4=imnoise(t,'gaussian',0.2,0.01);
figure,imshow(t4),title('添加均值为0.2，方差为0.01的高斯噪声');
t5=imnoise(t,'gaussian',0.4,0.01);
figure,imshow(t5),title('添加均值为0.4，方差为0.01的高斯噪声');

效果图如下：

注意：imnoise() 中参数写的是方差，而方法一、二中是标准差。