6.5椒盐噪声

于 2024-09-09 21:34:21 发布
阅读量748 收藏 20
点赞数 22
分类专栏： Opencv 文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45794330/article/details/142056378
版权

在OpenCV中联合C++给一张图片加上椒盐噪声（Salt and Pepper Noise）可以通过随机选择像素点并将其置为黑色（0）或白色（255）来实现。椒盐噪声是一种随机噪声，通常表现为图像中的孤立黑点（盐噪声）和孤立白点（胡椒噪声）。

实现方法

以下是使用OpenCV和C++给图像添加椒盐噪声的一个简单示例：

#include "pch.h"

#include <opencv2/opencv.hpp>
#include <iostream>
#include <random>

// 添加椒盐噪声的函数
void addSaltAndPepperNoise(cv::Mat &image, double noiseRatio = 0.05)
{
	// 创建随机数生成器
	std::random_device rd;
	std::mt19937 gen(rd());
	std::uniform_real_distribution<> dis(0.0, 1.0);

	// 获取图像的行数和列数
	int rows = image.rows;
	int cols = image.cols;

	// 遍历图像中的每一个像素
	for (int i = 0; i < rows; ++i)
	{
		for (int j = 0; j < cols; ++j)
		{
			// 产生一个介于0和1之间的随机数
			double r = dis(gen);

			// 根据噪声比例添加噪声
			if (r < noiseRatio / 2)
			{
				// 添加盐噪声（白色点）
				image.at<uchar>(i, j) = 255;
			}
			else if (r < noiseRatio)
			{
				// 添加胡椒噪声（黑色点）
				image.at<uchar>(i, j) = 0;
			}
		}
	}
}

int main()
{
	// 读取图像
	cv::Mat img = cv::imread("00.jpg", cv::IMREAD_GRAYSCALE);
	if (img.empty())
	{
		std::cerr << "Error loading image." << std::endl;
		return -1;
	}

	// 显示原图
	cv::namedWindow("Original Image", cv::WINDOW_NORMAL);
	cv::imshow("Original Image", img);

	// 添加椒盐噪声
	addSaltAndPepperNoise(img, 0.05); // 噪声比例为5%



	// 显示添加噪声后的图像
	cv::namedWindow("Noisy Image", cv::WINDOW_NORMAL);
	cv::imshow("Noisy Image", img);

	cv::waitKey(0);

	return 0;
}

代码解释
1. 读取图像：使用 cv::imread 函数读取原始图像，并将其转换为灰度图像。
2. 添加椒盐噪声：定义一个 addSaltAndPepperNoise 函数，该函数接受一个图像矩阵 image 和一个噪声比例 noiseRatio。噪声比例表示图像中添加噪声的概率。
3. 随机数生成器：使用 <random> 头文件中的 std::random_device 和 std::mt19937 生成随机数，std::uniform_real_distribution 生成介于0到1之间的随机数。
4. 遍历图像：遍历图像的每一个像素点，根据随机数决定是否添加噪声。
5. 添加噪声：如果随机数小于噪声比例的一半，则添加盐噪声（白色点）；如果随机数大于噪声比例的一半且小于噪声比例，则添加胡椒噪声（黑色点）。
6. 显示图像：使用 cv::imshow 函数显示原始图像和添加噪声后的图像。

噪声比例

噪声比例 noiseRatio 控制着图像中噪声点的数量。例如，noiseRatio = 0.05 表示有5%的概率会在图像中的任意像素点上添加噪声。

调整参数
你可以根据需要调整 noiseRatio 参数来控制噪声的密度。如果你希望噪声更密集，可以增加 noiseRatio 的值；反之亦然。

注意事项
•噪声分布：椒盐噪声通常表现为随机分布的黑白点，因此需要确保噪声点在整个图像中均匀分布。
•性能优化：在实际应用中，如果图像较大，遍历每一个像素可能会比较耗时，可以考虑使用 OpenCV 提供的一些优化手段，如并行处理等。

通过上述方法，你可以很容易地在 OpenCV 和 C++ 中给图像添加椒盐噪声。这对于图像处理和计算机视觉应用中的噪声建模和去噪研究非常有用。

运行结果

除噪方案

在OpenCV联合C++中，要去除一张图片上的椒盐噪声，通常可以采用以下几种滤波方法：

1. 中值滤波（Median Filtering）：这是去除椒盐噪声最常用的方法之一。中值滤波通过对图像中的每个像素点应用一个中值滤波器来去除噪声，该滤波器用邻域内的中值像素值替换中心像素值。

2. 均值滤波（Mean Filtering）：虽然均值滤波也能在一定程度上去除噪声，但它可能会模糊图像的边缘和细节，因此在处理椒盐噪声时不如中值滤波有效。

3. 双核滤波（Bilateral Filtering）：双核滤波既能保留边缘又能去噪，但在处理椒盐噪声时可能不如中值滤波效果好。

4. 高斯滤波（Gaussian Filtering）：高斯滤波也是常用的去噪方法之一，但对于椒盐噪声，它的效果通常不如中值滤波。

中值滤波

中值滤波是最适合去除椒盐噪声的滤波方法之一，因为它能够很好地保留图像的边缘和其他重要特征，同时有效地去除噪声点。

示例代码以下是一个使用OpenCV和C++进行中值滤波的示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

int main()
{
    // 读取图像
    cv::Mat img = cv::imread("path/to/noisy_image.jpg", cv::IMREAD_GRAYSCALE);
    if (img.empty())
    {
        std::cerr << "Error loading image." << std::endl;
        return -1;
    }

    // 显示原始噪声图像
    cv::namedWindow("Noisy Image", cv::WINDOW_NORMAL);
    cv::imshow("Noisy Image", img);

    // 应用中值滤波
    cv::Mat denoisedImg;
    cv::medianBlur(img, denoisedImg, 3); // ksize 为 3 的中值滤波

    // 显示去噪后的图像
    cv::namedWindow("Denoised Image", cv::WINDOW_NORMAL);
    cv::imshow("Denoised Image", denoisedImg);

    cv::waitKey(0);

    return 0;
}

代码解释
1. 读取图像：使用 cv::imread 函数读取带有椒盐噪声的原始图像，并将其转换为灰度图像。
2. 显示原始噪声图像：使用 cv::imshow 函数显示原始噪声图像。
3. 应用中值滤波：使用 cv::medianBlur 函数对图像进行中值滤波处理，参数 ksize 为滤波器的大小，通常选择奇数值，如3、5等。
4. 显示去噪后的图像：使用 cv::imshow 函数显示去噪后的图像。

运行结果

其他滤波方法

虽然中值滤波是处理椒盐噪声的首选方法，但也有其他方法可以尝试：

均值滤波

均值滤波通过计算每个像素点的邻域平均值来代替中心像素值，可以平滑图像并去除噪声，但对于椒盐噪声，其效果不如中值滤波。

#include "pch.h"

#include <opencv2/opencv.hpp>
#include <iostream>

int main()
{
	// 读取图像
	cv::Mat img = cv::imread("01.jpg", cv::IMREAD_GRAYSCALE);
	if (img.empty())
	{
		std::cerr << "Error loading image." << std::endl;
		return -1;
	}

	// 显示原始噪声图像
	cv::namedWindow("Noisy Image", cv::WINDOW_NORMAL);
	cv::imshow("Noisy Image", img);

	// 应用均值滤波
	cv::Mat meanFilteredImg;
	cv::blur(img, meanFilteredImg, cv::Size(3, 3)); // ksize 为 3x3 的均值滤波


	// 显示去噪后的图像
	cv::namedWindow("Denoised Image", cv::WINDOW_NORMAL);
	cv::imshow("Denoised Image", meanFilteredImg);

	cv::waitKey(0);

	return 0;
}

运行结果

双核滤波

双核滤波能够在平滑图像的同时保留边缘，但对椒盐噪声的处理效果一般。

#include "pch.h"

#include <opencv2/opencv.hpp>
#include <iostream>

int main()
{
	// 读取图像
	cv::Mat img = cv::imread("Dst.jpg", cv::IMREAD_GRAYSCALE);
	if (img.empty())
	{
		std::cerr << "Error loading image." << std::endl;
		return -1;
	}

	// 显示原始噪声图像
	cv::namedWindow("Noisy Image", cv::WINDOW_NORMAL);
	cv::imshow("Noisy Image", img);

	// 应用双核滤波
	cv::Mat bilateralFilteredImg;
	cv::bilateralFilter(img, bilateralFilteredImg, 9, 75, 75); // d=9, sigmaColor=75, sigmaSpace=75


	// 显示去噪后的图像
	cv::namedWindow("Denoised Image", cv::WINDOW_NORMAL);
	cv::imshow("Denoised Image", bilateralFilteredImg);

	cv::waitKey(0);

	return 0;
}

运行结果

高斯滤波

高斯滤波通过应用高斯核对图像进行平滑处理，可以去除高斯噪声，但对椒盐噪声的效果有限。

#include "pch.h"

#include <opencv2/opencv.hpp>
#include <iostream>

int main()
{
	// 读取图像
	cv::Mat img = cv::imread("01.jpg", cv::IMREAD_GRAYSCALE);
	if (img.empty())
	{
		std::cerr << "Error loading image." << std::endl;
		return -1;
	}

	// 显示原始噪声图像
	cv::namedWindow("Noisy Image", cv::WINDOW_NORMAL);
	cv::imshow("Noisy Image", img);

	// 应用高斯滤波
	cv::Mat gaussianFilteredImg;
	cv::GaussianBlur(img, gaussianFilteredImg, cv::Size(3, 3), 0); // ksize 为 3x3 的高斯滤波

	// 显示去噪后的图像
	cv::namedWindow("Denoised Image", cv::WINDOW_NORMAL);
	cv::imshow("Denoised Image", gaussianFilteredImg);

	cv::waitKey(0);

	return 0;
}

运行结果

​​​​​​​

总结

在处理椒盐噪声时，中值滤波是最常用且有效的滤波方法。它能够很好地去除噪声点，同时保留图像的边缘和其他重要特征。如果你需要在OpenCV和C++中去除椒盐噪声，建议首先尝试中值滤波。如果需要进一步处理或尝试其他滤波方法，可以根据具体需求选择合适的滤波器。

weixin_45794330
关注
专栏目录
c语言给图片添加椒盐噪声,图像添加高斯噪声、胡椒噪声、盐噪声和椒盐噪声...
weixin_35434041的博客
05-21 1235
1、盐椒噪声图像加入椒盐噪声开始，椒盐噪声其实就是使图像的一些随机的像素为黑色(0)或者白色(255)：盐噪声又称白噪声，在图像中添加一些随机的白色像素点(255)；胡椒噪声是在图像中添加一些随机的黑色像素点(0)；盐椒噪声是在图像中既有白色像素点，又有黑色像素点。添加代码如下：//盐噪声void salt(Mat& image,int n){for(int k=0; kint i = r...
基于MATLAB的数字水印系统
m0_65908410的博客
11-05 1338
基于MATLAB的数字水印系统一、课题背景和研究意义从二十世纪九十年代开始，网络信息技术在全世界范围内取得了迅猛发展，它极大方便了人们之间的通信和交流。借助计算机网络所提供的强大的多媒体通信功能，人们可以方便、快速地将数字信息（数字音乐、图像、影视等方面作品）传到世界各地，一份电子邮件可以瞬息间传遍全球[1-7]。但在同时计算机网络也成为犯罪集团、非法组织和有恶意的个人利用的工具。从恶意传播计算机...
opencv-python 降噪
Tuing_的博客
03-28 2392
python降噪
opencv笔记：高斯滤波和中值滤波对椒盐噪声的处理
panpan_jiang1的博客
06-01 4290
椒盐噪声又叫冲击噪声（或者脉冲噪声）。在图像上表现为离散分布的纯白色或者黑色像素点，出现的位置通常是随机的，不连续的。由于在正常情况下，在图像中不太可能出现最大/最小值的灰度像素，因此这个样的像素点可以被当成噪声。椒盐噪声产生的原因可能是环境的干扰（如电磁干扰）、传感器（ADC）内部时序错误等。
opencv c++ 图像噪声及去噪
lucust的博客
12-01 4998
两种常用类型的图像传感器CCD和CMOS采集图像过程中，由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声，如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声。d——双边模糊近邻选用像素点半径，和sigmaSpace一起控制卷积核大小，如果为0，则只由sigmaSpace制卷积核大小。对像素点进行处理时，对周围像素点赋予权值，像素值相近的周边点赋予较高权值，像素值差距大的赋予较低权值。inputMat——在生成噪声图像时的输入矩阵为与原始图像。
OpenCV：图像噪点消除与滤波算法
m0_70911440的博客
11-13 1426
由于受到各种外部环境和设备条件的影响，图像中往往会存在各种噪声，如椒盐噪声、高斯噪声等，影响了图像的质量和准确度。双边滤波不仅考虑空间邻域内像素的相似度，还考虑像素的亮度差异度，因此能够保持图像的边缘和细节，对于去除噪点的同时保持图像清晰度效果更好。在医学图像处理中，患者扫描图像往往受到各种噪声的干扰，因此需要应用滤波算法对图像进行去噪处理，以保证医生对图像的准确诊断和分析。在图像增强领域，滤波算法通过去除图像中的噪声，使得图像的细节更加清晰，颜色更加鲜艳，达到提高图像质量和可视化效果的目的。
matlab6.5.rar_MATLAB6.5_MATLAB图片处理
09-21
中值滤波是一种非线性滤波方法，尤其适用于去除椒盐噪声。`imsharpen`函数则通过差分操作增强图像的边缘，使图像更清晰。在边缘检测方面，MATLAB提供了Canny、Sobel、Prewitt等经典算法。`edge`函数可以根据这些算法...
matlab6.5图形图像处理源程序
08-22
3. **椒盐噪声**：椒盐噪声是图像处理中常见的噪声类型，由图像中黑像素（"盐"）和白像素（"椒"）的随机分布造成。处理这种噪声通常需要使用中值滤波器或其他去噪技术，因为它们对局部像素的改变较为敏感。 4. **...
Matlab6.5 图象增强M文件
05-25
描述中提到的“多种中值滤波”是空间域滤波的一种，尤其适用于去除椒盐噪声。中值滤波器将每个像素点的值替换为其邻域内灰度值的中位数，这样可以有效地保护边缘信息，因为边缘点的灰度值通常不会被邻域内的其他点的...
数字图像处理：高斯噪声消除技术探索
中值滤波器则采用像素邻域的中值替代中心像素值，特别适用于去除椒盐噪声，但对于高斯噪声的消除效果可能不如其他两种滤波器。 在实际操作中，学生需要选择一幅图像，人为地添加不同强度的高斯噪声，然后应用上述三...
OpenCV给图像加入椒盐噪声
08-26
见帖子：http://blog.csdn.net/fred_yang2013/article/details/9978671
opencv添加椒盐噪声
06-05
利用opencv为图像添加椒盐噪声，可以选择添加的椒盐噪声的大小
Opencv学习（四）图像的噪声处理（椒盐噪声）
人生如梦，浮华一瞬间的专栏
03-28 4614
椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值，饱和的感应器导致像素值为最大值。 常用的去除这种噪声的有效手段是使用中值滤波器。 在图像处理中，在进行如边缘检测这样的进...
[opencv]中值滤波去掉椒盐噪声
大糊涂虫
06-26 890
原图： 去噪声后： 代码： void ShowBlur() { bgImage=imread("椒盐噪声.jpg", IMREAD_UNCHANGED); Mat dst(bgImage.size(), bgImage.type()); medianBlur(bgImage, dst, 3); imshow("blur", dst); waitKey(0); } API原型： medianBlur（Mat src, Mat dest, ksize） 注意：
OpenCV处理椒盐噪声以及提高对比度
zhuyong006的博客
12-24 3679
1.通过中值模糊处理椒盐噪声 源码： import cv2 as cv def median_blur_demo(image): dst = cv.medianBlur(image, 5) cv.imshow(&quot;median_blur_demo&quot;, dst) src = cv.imread(&quot;/home/jon/opencv-python-picture/lenanoise.p...
opencv 图像处理之椒盐噪声的添加与去除
m0_37992521的博客
05-05 4233
#include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; //添加椒盐噪声 Mat addSaltNoise(Mat srcImage, int n) { Mat resultImage = srcImage.clone(); for (int ...
OpenCV图像噪声与去噪函数方法对比使用介绍
小白学视觉
07-22 1840
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达微信公众号：OpenCV学堂关注获取更多计算机视觉与深度学习知识一：噪声类型与去噪声方法介绍图像去噪在二值图像分析、OCR识别预处理环节中十分重要，最常见的图像噪声都是因为在图像生成过程中因为模拟或者数字信号受到干扰而产生的，常见的噪声类型有如下：椒盐噪声高斯噪声泊松噪声乘性噪声OpenCV中有多个可以降低图像噪声、对图像实现平...
图像处理：Python使用OpenCV 减少图片噪音
最新发布
weixin_46999174的博客
06-12 2128
三种降噪算法对比
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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