图像加噪（OpenCV)

目录

一、给图像人为加噪的原理

二、Python代码

三、示例图片

四、运行效果图:

五、加噪的意义        

---

一、给图像人为加噪的原理

        将图像若干个像素点的值设为噪声点的值。比如，为图像加上很多像素值为[25,20,20]的像素点，编写代码如下：

 for k in range(coutn):
        # 获取图像噪声点的随机位置
        i = int(np.random.uniform(0, img.shape[1]))
        j = int(np.random.uniform(0, img.shape[0]))
            #图像加噪声点
        if img.ndim == 2:
            img[j,i] = 255
        elif img.ndim == 3:
            img[j,i,0] = 25
            img[j,i,1] = 20
            img[j,i,2] = 20

        上面的代码对img.ndim进行判断的用意在于，如果图像是灰度化图像，则img.ndim为2，灰度化图像的像素值不存在红、绿、蓝三色之分，仅有灰度值，所以像素值仅需要一个，将对应噪声点的位置的值设为255即可。

二、Python代码

        下面的代码演示了为图像加噪的算法，为彩色图像人为加上50万个色彩随机的像素点。

import cv2
import numpy as np

fn = r"C:\Users\LIHAO\Pictures\Saved Pictures\wallhaven-gpqzr3.png"
if __name__ == '__main__':
    # 加载图像
    img = cv2.imread(fn)
    # 噪声点数量
    coutn = 500000
    for k in range(coutn):
        # 获取图像噪声点的随机位置
        i = int(np.random.uniform(0, img.shape[1]))
        j = int(np.random.uniform(0, img.shape[0]))
            #图像加噪声点
        if img.ndim == 2:
            img[j,i] = 255
        elif img.ndim == 3:
            img[j,i,0] = 25
            img[j,i,1] = 20
            img[j,i,2] = 20
    cv2.namedWindow('img')
    cv2.imshow('img',img)
    cv2.waitKey()
    cv2.destroyAllWindows()

三、示例图片

四、运行效果图:

        上述程序的运行原理是将图像数据矩阵随机位置的像素点设置为（25，20，20），当随机的像素点较大时，就在图像上生成了噪声。

五、加噪的意义        

        加上噪声的图像是为了实验图像识别的效果，有些机器学习算法对没有噪声的图像识别的效果很好，但如上图这种噪声较多的情况效果就很不理想了，因为在实际的工程应用中，很难保证采集到的图像清晰可靠，所以需要人为给图像加上噪声，以便后期对算法效果进行验证。