模拟椒盐噪声 salt and pepper

椒盐噪声

• 椒盐噪声是由图像传感器，传输信道，解码处理等产生的 黑白相间的亮暗点噪声。
• 椒盐噪声是指两种噪声，一种是盐噪声（salt noise）盐 = 白色(255)，另一种是胡椒噪声（pepper noise）椒 = 黑色(0)。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。
• 对于彩色图像，也有可能表现为在单个像素BGR三个通道同时随机出现的255或0，也是模拟的原理。

源代码

#include 
#include 

using namespace cv;
using namespace std;

// n: 噪点个数
// 可以通过image的像素点个数设置一定比例数目的噪点
void salt(Mat image, int n) {
    int i, j;
    for (int k = 0; k < n / 2; ++k) {

        // 随机选取原图的行列
        i = rand() % image.rows;
        j = rand() % image.cols;

        if (image.type() == CV_8UC1) { // 单通道灰度图
            image.at(i, j) = 255;
        } else if (image.type() == CV_8UC3) { // color image 彩色图
            image.at(i, j) = {255, 255, 255};
        }
    }
}

// 椒噪声
// 255 -> 0 即可
void pepper(Mat image, int n) {
    int i, j;
    for (int k = 0; k < n / 2; ++k) {

        // 随机选取原图的行列
        i = rand() % image.rows;
        j = rand() % image.cols;

        if (image.type() == CV_8UC1) { // 单通道灰度图
            image.at(i, j) = 0;
        } else if (image.type() == CV_8UC3) { // color image 彩色图
            image.at(i, j) = {0, 0, 0};
        }
    }
}


int main() {

    Mat src = imread("../pictures/bear.jpeg");

    // 克隆一个一样的Mat，方便后面对同样的数据源添加椒噪声
    // 不能用 Mat src1(src)，这样是引用，src与src1的数据一样
    Mat src1 = src.clone();

    // 原图
    namedWindow("src");
    imshow("src", src);

    // 盐噪声
    salt(src, 1000);
    namedWindow("salt");
    imshow("salt", src);

    // 椒噪声
    pepper(src1, 1000);
    namedWindow("pepper");
    imshow("pepper", src1);

    // 椒盐噪声
    pepper(src, 1000);
    namedWindow("salt & pepper");
    imshow("salt & pepper", src);

    waitKey(0);
    return 0;
}

• 原图的克隆而不是引用 src.clone()
• 灰度图：image.at(i, j) = 255;
• 彩色图：image.at(i, j) = {255, 255, 255};
• 盐噪声：255，椒噪声：0

添加噪声的图像

椒盐噪声

可调噪点大小的 pepper 函数

• 噪点太小了，可以通过选择随机像素点周边区域的办法放大噪点。
• 如果选择了 (a,b) ，那么 以 (a,b) 为原点，width为边长的 右下方的正方形区域 都选中，并通过取模运算避免超出图像边界。
• 之所以不以 (a,b)为中心，避免复杂运算。

void pepper(Mat image, int n) {
    int i, j;
    for (int k = 0; k < n / 2; ++k) {

        // 随机选取原图的行列
        i = rand() % image.rows;
        j = rand() % image.cols;

        int width = 4;

        if (image.type() == CV_8UC1) { // 单通道灰度图
//            image.at(i, j) = 0;
            // 核心代码
            // 4*4 的噪点
            for (int row = 0; row < width; ++row) {
                for (int col = 0; col < width; ++col) {
                    image.at((i + row) % image.rows, (j + col) % image.cols) = 0;
                }
            }
        } else if (image.type() == CV_8UC3) { // color image 彩色图
//            image.at(i, j) = {0, 0, 0};
            for (int row = 0; row < width; ++row) {
                for (int col = 0; col < width; ++col) {
                    image.at((i + row) % image.rows, (j + col) % image.cols) = {0, 0, 0};
                }
            }
        }
    }
}

放大了的椒噪声