图像的加噪与去噪（python）

高斯噪声(Gaussiannoise)和椒盐噪声(salt-and-peppernoise)均可通过Python库：skimage实现。

#import os              #import语句的作用是用来导入模块，可以出现在程序任何位置
import cv2 as cv        #导入openCV库
import skimage          #导入skimage模块.scikit-image是一个图像处理算法的集合。它是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，方便进行后续运算。
                        #必须首先安装numpy,scipy,matplotlib
import numpy as np      #导入numpy模块。numpy是python扩展程序库，支持数组和矩阵运算，针对数组运算提供大量数学函数库。
 
 
def boxBlur(img):
    # 使用5x5的滤波核进行平滑
    blur = cv.boxFilter(img,-1,(5, 5))    
    return blur
 
 
def gaussianBlur(img):
    #     使用高斯核进行平滑
    blur = cv.GaussianBlur(img,(5, 5),1.5)
    return blur
 
 
def main():
    # 2. 定义图片类img
    path = r"C:\Users\98238\Desktop\Lenna.jpg"
    img = cv.imread(path)
    start_t = cv.getTickCount()
    # 5. 加噪声，绘图
    ##############################################3
    # add gaussian noise
    
    gauss_noiseImg = skimage.util.random_noise(img, mode='gaussian')# 添加10%的高斯噪声
    gauss_noiseImg=gauss_noiseImg
    salt_noiseImg = skimage.util.random_noise(img, mode='salt')  # 添加椒盐噪声
    
    lb_gauss=cv.medianBlur(gauss_noiseImg.astype('float32'), 1)#中值滤波
    
    lb_salt=cv.medianBlur(salt_noiseImg.astype('float32'), 1)#中值滤波
    print(gauss_noiseImg.dtype, "gaussian noisy image dtype")#输出一个注释
    print(gauss_noiseImg.shape, "gaussian noisy image shape")#输出一个注释
 
    print(salt_noiseImg.dtype, "salt noisy image dtype")#输出一个注释
    print(salt_noiseImg.shape, "salt noisy image shape")#输出一个注释


    cv.namedWindow("Original Image", cv.WINDOW_NORMAL)#输出原图片的标题
    cv.imshow('Original Image', img)#输出原图片
 
    # Gaussian noisy image
    cv.namedWindow("Added Gaussian Noise Image", cv.WINDOW_NORMAL)#输出高斯噪声图片的标题
    cv.imshow('Added Gaussian Noise Image', gauss_noiseImg)#输出高斯噪声图片
 
    # Salt noisy image
    cv.namedWindow("Added Salt Noise Image", cv.WINDOW_NORMAL)#输出椒盐噪声图片的标题
    cv.imshow('Added Salt Noise Image', salt_noiseImg)#输出椒盐噪声图片

    #滤波后的图像
    cv.namedWindow("lbguass Image", cv.WINDOW_NORMAL)#输出滤波后高斯噪声图片标题
    cv.imshow('lbguass Image', lb_gauss)#输出滤波后高斯噪声图片
    cv.namedWindow("lbsalt Image", cv.WINDOW_NORMAL)#输出滤波后椒盐噪声图片标题
    cv.imshow('lbsalt Image', lb_salt)#输出滤波后椒盐噪声图片
 
    #####################################################

    stop_t = ((cv.getTickCount() - start_t) / cv.getTickFrequency()) * 1000#运行时间
 
    print(stop_t, "ms")#输出时间并加上单位

    cv.waitKey(0)
    cv.destroyAllWindows()
 
 
if __name__ == "__main__":
    main()

原图如下

使用10%的高斯噪声、椒盐噪声，以及中值滤波为3 结果图如下

添加10%高斯噪声后的图片

添加椒盐后的图片

使用中值滤波3滤波后的高斯噪声图

使用中值滤波3滤波后的椒盐噪声图

改用中值滤波5 滤波滤波后的高斯噪声图

滤波后的椒盐噪声图

结论：
经过中值滤波5的滤波后噪声比中值滤波3滤波后的图像少，但是图像也更模糊一些。