matlab加椒盐噪声信噪比,给图像添加椒盐噪声和高斯噪声

本文介绍了椒盐噪声和高斯噪声的概念,并提供了使用Python实现给图像添加这两种噪声的代码。通过Matlab类似的处理方式,展示了噪声污染前后图像的对比,有助于理解噪声对图像的影响。
摘要由CSDN通过智能技术生成

一. 椒盐噪声

在噪声的概念中,通常采用信噪比(Signal-Noise Rate, SNR)衡量图像噪声。通俗的讲就是信号占多少,噪声占多少,SNR越小,噪声占比越大。

在信号系统中,计量单位为dB,为10lg(PS/PN), PS和PN分别代表信号和噪声的有效功率。在这里,采用信号像素点的占比充当SNR,以衡量所添加噪声的多少。

椒盐噪声又称为脉冲噪声,它是一种随机出现的白点(盐噪声)或者黑点(椒噪声)。

高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。

0ac8f1d658e3

椒盐噪声污染后的图像

0ac8f1d658e3

高斯噪声污染后的图像

0ac8f1d658e3

原图

二. python实现给图像添加椒盐噪声和高斯噪声

import numpy as np

import random

import cv2

from matplotlib import pyplot as plt

def sp_noise(

可以按照以下步骤在MATLAB中给图像添加高斯噪声椒盐噪声: 1. 使用imread函数读取原始图像,将其赋值给一个矩阵变量,例如img: ```matlab img = imread('image.jpg'); ``` 2. 使用imnoise函数添加高斯噪声: ```matlab noisy_img_gauss = imnoise(img, 'gaussian', 0, 0.01); ``` 其中,'gaussian'表示添加高斯噪声,0表示噪声均值,0.01表示噪声方差。可以根据实际情况更改均值和方差。 3. 使用imnoise函数添加椒盐噪声: ```matlab noisy_img_salt_pepper = imnoise(img, 'salt & pepper', 0.05); ``` 其中,'salt & pepper'表示添加椒盐噪声,0.05表示噪声密度,即噪声像素占总像素的比例。可以根据实际情况更改噪声密度。 4. 使用imshow函数显示添加噪声后的图像: ```matlab subplot(1,3,1),imshow(img),title('原始图像'); subplot(1,3,2),imshow(noisy_img_gauss),title('添加高斯噪声后的图像'); subplot(1,3,3),imshow(noisy_img_salt_pepper),title('添加椒盐噪声后的图像'); ``` 这里使用subplot函数将原始图像添加高斯噪声后的图像添加椒盐噪声后的图像都显示在同一窗口中,方便比较和观察。 完整代码示例: ```matlab img = imread('image.jpg'); noisy_img_gauss = imnoise(img, 'gaussian', 0, 0.01); noisy_img_salt_pepper = imnoise(img, 'salt & pepper', 0.05); subplot(1,3,1),imshow(img),title('原始图像'); subplot(1,3,2),imshow(noisy_img_gauss),title('添加高斯噪声后的图像'); subplot(1,3,3),imshow(noisy_img_salt_pepper),title('添加椒盐噪声后的图像'); ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值