数字图像处理——高斯噪声和椒盐噪声区别

高斯噪声和椒盐噪声

 
以Lina图像为例
在这里插入图片描述

两者在视觉上的区别就是,高斯噪声是和原来图像像素值相关的噪声,而椒盐噪声则是很多的黑白像素点。

高斯噪声

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。即某个强度的噪声点个数最多,离这个强度越远噪声点个数越少,且这个规律服从高斯分布。

高斯噪声是一种加性噪声,即噪声直接加到原图像上,因此可以用线性滤波器滤除。

在这里插入图片描述
 

椒盐噪声

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),类似把椒盐撒在图像上,因此得名,如电视里的雪花噪声等。

椒盐噪声可以认为是一种逻辑噪声,用线性滤波器滤除的结果不好,一般采用中值滤波器滤波可以得到较好的结果。
在这里插入图片描述

  • 15
    点赞
  • 70
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,对于不同类型的噪声,我们可以采用不同类型的滤波器进行去噪。以下是一些常用的滤波器及其对应的噪声类型: - 均值滤波器:适用于高斯噪声、轻度椒盐噪声; - 中值滤波器:适用于椒盐噪声、胡椒噪声; - 高斯滤波器:适用于高斯噪声; - 双边滤波器:适用于高斯噪声椒盐噪声; - 总变差滤波器:适用于泊松噪声。 下面是一个示例代码,演示了如何对不同类型的噪声图像进行去噪,其中采用了不同类型的滤波器: ```python import cv2 import numpy as np # 加载图像并添加不同类型的噪声 img_salt_pepper = cv2.imread('salt_pepper_noise.png') img_gaussian = cv2.imread('gaussian_noise.png') img_poisson = cv2.imread('poisson_noise.png') # 均值滤波器 denoise_salt_pepper_mean = cv2.blur(img_salt_pepper, (3, 3)) denoise_gaussian_mean = cv2.blur(img_gaussian, (3, 3)) denoise_poisson_mean = cv2.blur(img_poisson, (3, 3)) # 中值滤波器 denoise_salt_pepper_median = cv2.medianBlur(img_salt_pepper, 3) denoise_gaussian_median = cv2.medianBlur(img_gaussian, 3) # 高斯滤波器 denoise_gaussian_gaussian = cv2.GaussianBlur(img_gaussian, (3, 3), 0) # 双边滤波器 denoise_salt_pepper_bilateral = cv2.bilateralFilter(img_salt_pepper, 9, 75, 75) denoise_gaussian_bilateral = cv2.bilateralFilter(img_gaussian, 9, 75, 75) # 总变差滤波器 denoise_poisson_tv = cv2.denoise_TVL1(img_poisson, None, 10) # 显示原图和去噪图 cv2.imshow('Salt and Pepper Noise', img_salt_pepper) cv2.imshow('Salt and Pepper Noise (Mean)', denoise_salt_pepper_mean) cv2.imshow('Salt and Pepper Noise (Median)', denoise_salt_pepper_median) cv2.imshow('Salt and Pepper Noise (Bilateral)', denoise_salt_pepper_bilateral) cv2.imshow('Gaussian Noise', img_gaussian) cv2.imshow('Gaussian Noise (Mean)', denoise_gaussian_mean) cv2.imshow('Gaussian Noise (Median)', denoise_gaussian_median) cv2.imshow('Gaussian Noise (Gaussian)', denoise_gaussian_gaussian) cv2.imshow('Gaussian Noise (Bilateral)', denoise_gaussian_bilateral) cv2.imshow('Poisson Noise', img_poisson) cv2.imshow('Poisson Noise (Mean)', denoise_poisson_mean) cv2.imshow('Poisson Noise (TV)', denoise_poisson_tv) # 等待按下任意按键退出 cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的代码中,我们首先加载了包含不同类型噪声的图像,然后分别采用了适用于不同类型噪声的滤波器进行去噪,最后将原图和去噪图进行比较并显示出来。需要注意的是,不同类型的噪声和滤波器的参数设置可能会影响去噪效果,因此需要根据实际情况进行调整和优化。
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

打赏作者

雪野Solye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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