目录
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。