文章目录
1.J=imnoise(I,type,parameters)
将给定类型的噪声添加到强度图像中
I=imread('girl.jpg');
J = imnoise(I,'gaussian',0.1);
subplot(1,2,1);imshow(I);
subplot(1,2,2);imshow(J);
2.J=imnoise(I,‘gaussian’,M,V)
将均值M和方差V的高斯白噪声添加到图像I。未指定时,M和V分别默认为0和0.01。
J = imnoise(I,'gaussian',0.1,0.05);
3.J=imnoise(I,‘localvar’,V)
将均值为0,局部方差为V的高斯噪声添加到图像I上,其中V是与I大小相同的一个数组,它包含了每一个点的理想方差值。
I=imread('girl.jpg');
I=im2double(I);
V=zeros(size(I));%建立矩阵V
for i=1:size(V, 1)
V(i,:)=0.02*i/size(V,1);%给矩阵V第i行的所有元素赋值
end
J=imnoise(I, 'localvar', V);%添加高斯噪声 V为与I大小相同的数组
4.J=imnoise(I,‘localvar’,image_intensity,var)
将均值为0的高斯噪声添加到图像I中,其中噪声的局部方差var是图像f的亮度值的函数。参量image_intensity和var是大小相同的向量,plot(image_intensity,var)绘制出噪声方差和图像亮度的函数关系。向量image_intensity必须包含范围在[0,1]内的归一化亮度值。
%根据亮度值产生高斯噪声
I=imread('girl.jpg');
I=im2double(I);
h=0:0.1:1;%h为在[0,1]之间的向量 表示图像的亮度值
v=0.01:-0.001:0;%v为一个长度和h相同,表示与h中亮度对应的高斯噪声的方差
J=imnoise(I, 'localvar', h, v);
5.J=imnoise(I,‘salt & pepper’,d)
用椒盐噪声污染图像I,其中d是噪声密度(即包括噪声值的图像区域的百分比)。因此,大约有d*numel(I)个像素受到影响。默认的噪声密度为0.05。
I=imread('girl.jpg');
I=im2double(I);
J=imnoise(I, 'salt & pepper', 0.05);
6.J=imnoise(I,‘speckle’,var)
用方程J=I+n*I将乘性噪声添加到图像I上,其中n是均值为0,方差为var的均匀分布的随机噪声,var的默认值是0.04。
I=imread('girl.jpg');
J=imnoise(I, 'speckle', 0.05);
7.J=imnoise(I,‘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,unit8和unit16类图像的亮度必须和光子的数量相符合。当每个像素的光子数量大于65535时,就要使用双精度图像。亮度值在0到1之间变化,并且对应于光子的数量除以10e12。
I=imread('girl.jpg');
J=imnoise(I, 'poisson');