imread函数 matlab_数字图像处理（matlab）

Hi～新朋友，记得点蓝字关注我们哟

一.imnoise函数

我们通常使用imnoise函数来使用噪声来污染一幅图像，该函数的基本语法为：

g = imnoise(f, type, parameters)

其中g是添加噪声之后的图像，f是原图像，type是加入的噪声类型，parameters是噪声的一些参数。函数给图像添加噪声之前，要将它转换为范围【0,1】内的double类图像。例如，

要将均值为64，方差为400的高斯噪声添加到一幅uint8类图像上，需要将均值标度为64/255并将方差标度为400/(255^2)后，作为imnoise的输入，具体代码如下：

f=imread('mn.jpeg'); 

g=rgb2gray(f);g1=imnoise(g,'gaussian',0.251,0.00615);subplot(1,2,1);imshow(g) 

title('原图像的灰度图');

subplot(1,2,2);imshow(g1) 

title('加噪声后的图像');

上面是效果图。

imnoise函数有如下的几种表达形式

g=imnoise(f,‘gaussian’,m,var)

将均值m,方差为var的高斯噪声添加到原图像上，默认值是0，方差为0.01的噪声，这种是最为普遍的表达形式，务必要掌握。后面的可以了解，收藏本文，需要的时候可以查阅。

g=imnoise(f,‘localvar’,v)

将均值为0，局部方差为v的高斯噪声添加到源图像上。其中V是一个大小与f相同的数组，它在每个点包含了期望的方差值。

g=imnoise(f,‘localvar’,image_intensity,var)

将均值为0的高斯噪声添加到图像f上，其中噪声的局部方差var是图像f的亮度值的函数，image_intensity是和var大小相同的自变量。

g=imnoise(f,‘salt&pepper’,d)

用椒盐噪声污染图像f,其中d是噪声密度，默认值为0.05。

g=imnoise(f,‘speckle’,var)

使用方程g=f+n.*f将乘性噪声添加到f上,其中n是均值为0，方差为var(默认为0.04)的均匀分布的随机噪声。

g= imnoise(f, 'poisson')

从数据中生成泊松噪声，而不是将人工的噪声添加到数据中。为了遵守泊松统计，uint8类和uintl 6类图像的亮度必须和光子(或其他任何的量子信息)的数量相符合。当每像素的光子数量大于65535(但小于10^12)时，就要使用双精度图像。亮度值在0和1之间变化，并且对应于光子的数量除以10^12。

imnoise能够生成空间随机噪声，空间噪声值是随机数，下面我们介绍一种更有意义的，更接近源代码的利用函数rand生成均匀随机数以及利用函数randen生成正态(高斯)随机数。

二.使用指定的分布产生空间随机噪声

下面这张表是随机数生成器方程，它确定了生成期望随机数的方式

z的表达式有时称为随机数生成器方程，它确定了生成期望随机数的方式，我们用具体的代码演示一下，假设有一个在(0,1)内的均匀随机数w的生成器，并假设我们要用该生成器来生成具有瑞丽CDF的随机数z,代码如下：

R = a + sqrt (b*log(1-rand(M,N)));

R即为我们生成的随机数组。(PDF是概率密度函数，CDF是累积分布函数)

譬如均匀分布，我们直接写：

A=rand(M,N)

该函数产生一个大小为M*N的数组，这个数组的元素为在区间(0 1)内均匀分布的数。函数imnoise2就是使用了rand函数,imnoise2和imnoise的不同是imnoise函数输出一个有噪声的图像，而imnoise2函数产生噪声模式本身。

三，仅有噪声的复原：空间滤波

仅有噪声的复原我们一般空间滤波的方法，空间滤波的内容可以参考我的另外两篇文章：

MATLAB中的图像变换之线性空间滤波

(https://zhuanlan.zhihu.com/p/187517189)

MATLAB中的非线性空间滤波基础

(https://zhuanlan.zhihu.com/p/188709728)

这两篇文章上面的还是不太全面，全面了解空间滤波的知识可以查看下面这张表，可以按照自己所需要的查阅，不懂的函数可以去官网查看。

本期讲解到此结束!

欢迎大家加入我们的MATLAB学习交流群：
953314432

往期回顾

＋

matlab非线性方程求解与函数极值计算

＋

数学建模与MATLAB--层次分析法(评价类问题)

＋

MATLAB线性方程组求解

关注我们 发现更多精彩

出品：Asoul水云天课堂工作室