分别用MATLAB和Python向数字图像添加指定噪声浓度的高斯噪声

       最近在做图像处理工作，需要向原图像添加高斯噪声，来模拟现实生活中的实际噪声。发现MATLAB和Python中都有相应的API可以用，但是实际使用中会有些“坑”需要注意。特此记录下来，与各位分享。

一.使用MATLAB向图像中添加均值为0，标准差σ=15的高斯噪声

Matlab上有官方给出的API

J = imnoise(I,’gaussian’,M,V) adds Gaussian white noise of mean m and variance v to the image I. The default is zero mean noise with 0.01 variance. 
I：原图     M:均值   V:方差

这里要注意的是，imnoise（）函数，会将原始图片像素的取值范围转换到[0,1]范围内，然后才开始添加高斯噪声，最后还会将图像转换为[0,255]。所以如果你一开始输入的图片取值范围是[0,255]，那么就需要将均值和方差必须也要归一化到[0,1]范围内。具体的MATLAB 实现如下，对应的PSNR为24.94

image_o=imread('C:\Users\ASUS\Desktop\JSRT_test\JPCLN147.jpg');
image_o=rgb2gray(image_o); %转为灰度图
x1=imnoise(image_o,'gaussian',0,(15/255)^2);%添加标准差为15的高斯噪声
imwrite(x1,'C:\Users\ASUS\Desktop\gaussian_15.jpg');%保存图像至桌面
psnr(image_o,x1) %PSNR=24.9461

二. 使用Python向图像中添加均值为0，标准差σ=15的高斯噪声

我们一般可以使用，skimage.util.random_noise(image, mode=’gaussian’, seed=None, clip=True, **kwargs)

image:输入图片，要求是array类型

mode:有很多种模式可选  这里是添加高斯噪声

seed:是随机种子，如果给定具体的数字，就可以产生伪随机，给定None就是真的随机参数

clip：对图像添加高斯噪声后，图像原始的像素值可能会小于0，也有可能大于255，clip设置为True将会将这些值统一设置为0或者255；clip设置成False,就会有可能出现一些超过区间的点

mean：均值，默认为0

var:噪声的方差，注意设置

 

与MATLAB一样，该函数也是需要将图片的取值范围转化成[0,1],所以设置方差的时候要注意参数的设置；不同的是，最终返回的数据的取值范围还是[0,1],不会变成[0,255],所以，你要是想保存加噪后的图片，或者要和原图进行PSNR的计算，就需要将图片的范围重新调至[0,255]

具体的Python的实现代码如下

import cv2
import numpy as np
import skimage

def  psnr (img_1,img_2):
    mse=((np.asarray(img_1) - np.asarray(img_2).astype(np.float)) ** 2).mean()
    psnr=10* np.log10((255**2)/mse)
    return psnr

img1=cv2.imread("C:/Users/ASUS/Desktop/JSRT_test/JPCLN147.jpg",0)
img_noise=skimage.util.random_noise(img1, mode='gaussian', seed=None, var=(15/255.0)**2) #add  gaussian noise
img_noise=img_noise*255  #limit the value in the range (0,255)
Psnr=psnr(img1,img_noise)
print("PSNR:",Psnr)