利用CImage类对图像进行高斯噪声生成

    课上作业要求利用C里面的自带类库对图像做一个高斯噪声的生成，记录一下大概的原理和步骤。

    首先是对高斯函数的理解

   

    这个函数是一个高斯概率密度的分布表达式，表示为X~N（μ，σ²），其中μ表示均值，σ²表示方差，当μ=0，σ²=1时为标准正态分布。

    而高斯噪声是要求生成的噪声的概率密度函数符合高斯分布。我觉得可以理解为所有的噪声采样服从高斯分布的一种噪声。有关高斯噪声和高斯白噪声的理解参考

   hudalikm的一篇有关高斯噪声的文章文章

    高斯噪声的生成就是在图像所有像素上添加一个噪声信号：

        n（x,y）=o(x,y)+g(x,y)

    其关键是如何生成这个g（x，y）。当然x和y只是表示图像像素的坐标，对原像素值加上一个高斯采样值就可以生成一个高斯噪声。计算机中生成高斯采样的方法有很多，这里我使用的是比较常用的Box-Muller方法。该方法原理涉及到统计学的各种问题（反正我看一遍没太看懂），但实现过程非常简单。

    原理的话在白马负金羁的文章中有介绍

    使用方法是首先生成两个数a，b为在[0,1]的均匀分布随机采样；

    根据box-muller方法，对a，b做如下运算可以得到服从高斯分布的两个随机数

    使用任何一个都可以，我觉得这是二维的高斯采样，然后咱们在这里只需要选择任何一维都可以。

    最终生成的噪声点为

    n（x,y）=o(x,y)+（μ+N*σ）；

    

接下来是利用CImage对图像进行处理阶段了

关于如何使用Cimage类的介绍，这里我参考了self_mind 的关于Cimage类的介绍 里面介绍的很详细。

下面我放上我的代码和效果图

宏定义和main函数部分

#include <atlimage.h>
#include<iostream>
#include<stdio.h>
#include<stdlib.h>
#include<time.h>

#define MU 0			//均值
#define SIGMA 2			//方差
#define k 16
#define PI 3.1415926

using namespace std;
int addNoise(const CImage& input, CImage& noise);
double guass();
int makeNoise(CImage input);
int addNoise(const CImage& input, CImage& noise);
int main() {
	CString ImagePath = "E:\\1myRobotFile\\公式算法项目\\CameraCalibration\\input.jpg";
	CImage image, noise;
	//读入图片
	image.Load(ImagePath);
	makeNoise(image);

	cout << "successd" << endl;
	system("pause");

}

接下来是高斯噪声生成函数

double guass()
{
	//生成0-1的随机数
	double x1, x2;
	//生成0-1两个随机数
	x1 = rand() / ((double)RAND_MAX);
	x2 = rand() / ((double)RAND_MAX);
	if (x1 < 1e-100)
		x1 = 1e-100;
	x1 = (-2) * log(x1);
	x2 = x2 * PI * 2;
	double g = MU + (sqrt(x1) * cos(x2)) * SIGMA;

	//double g = MU + (sqrt(x1) * sin(x2)) * SIGMA;

	return g;
}

最后是输出高斯噪声模版和高斯噪声叠加图像

int makeNoise(CImage input)
{
	if (input == 0)
	{
		cout << "图片输入错误！" << endl;
		return 0;
	}

	//噪声图片的创建
	CImage gaussNoise, In;
	CString ImagePath = "E:\\1myRobotFile\\公式算法项目\\CameraCalibration\\input.jpg";
	In.Load(ImagePath);
	gaussNoise = input;
	//gaussNoise.Create(input.GetWidth(), input.GetHeight(), 8);
	//高斯噪音生成
	int r, g, b;
	for (int i = 0; i<gaussNoise.GetWidth(); i++)
	{
		for (int j = 0; j<gaussNoise.GetHeight(); j++)
		{
			r = guass();
			g = guass();
			b = guass();
			gaussNoise.SetPixelRGB(i, j, r, g, b);

		}
	}
	CString SImagePath = "E:\\1myRobotFile\\公式算法项目\\CameraCalibration\\noise.jpg";
	gaussNoise.Save(SImagePath);
	addNoise(In, gaussNoise);
}
//噪声和原图的相加
int addNoise(const CImage& input, CImage& noise)
{
	CImage addnoise;
	COLORREF pixel1;
	COLORREF pixel2;
	int r, g, b;
	if (input == 0 || noise == 0)
	{
		cout << "图片输入错误！" << endl;
		return 0;
	}
	addnoise = input;
	int w = addnoise.GetWidth();
	int h = addnoise.GetHeight();
	for (int i = 0; i < w; i++)
	{
		for (int j = 0; j<h; j++)
		{
			pixel1 = input.GetPixel(i, j);
			pixel2 = noise.GetPixel(i, j);
			/*r = GetRValue(pixel1);
			g = GetGValue(pixel1);
			b = GetBValue(pixel1);
			cout << r << "," << g << "," << b << endl;*/
			//r = GetRValue(pixel1) + GetRValue(pixel2) - 128;
			//g = GetGValue(pixel1) + GetGValue(pixel2) - 128;
			//b = GetBValue(pixel1) + GetBValue(pixel2) - 128;
			r = GetRValue(pixel1) + GetRValue(pixel2) *k;
			g = GetGValue(pixel1) + GetGValue(pixel2) *k;
			b = GetBValue(pixel1) + GetBValue(pixel2) *k;

			//cout << r << "," << g << "," << b << endl; 
			if (r>255)
			{
				r = 255;
			}
			if (g>255)
			{
				g = 255;
			}
			if (b>255)
			{
				b = 255;
			}
			if (r<0)
			{
				r = 0;

			}
			if (g<0)
			{
				g = 0;
			}
			if (b<0)
			{
				b = 0;
			}
			addnoise.SetPixelRGB(i, j, r, g, b);
		}
	}
	CString SImagePath = "E:\\1myRobotFile\\公式算法项目\\CameraCalibration\\output.jpg";
	addnoise.Save(SImagePath);

}

效果图如下

原图

噪声图像（μ=0，σ=2）

带有高斯噪声的图像