给图片添加高斯噪声与椒盐噪声、Python实现以及Python实例

1.高斯噪声

是指服从高斯分布（正态分布）的一类噪声，通常是因为不良照明和高温引起的传感器噪声,如下图：

左上角第一个图是原图，其余图片分别是参数sigma取不同值时的图片:

实现代码文末见 5.给图片添加高斯噪声的源代码

这是其噪声图片可视化:

实现代码文末见 5.给图片添加高斯噪声的源代码

---

2.椒盐噪声

也称为脉冲噪声，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。如下图所示:

左上角第一个图是原图，其余图片分别是参数噪声比例取不同值时的图片:

实现代码文末见 6.给图片添加椒盐噪声的源代码

这是其噪声图片可视化:

实现代码文末见 6.给图片添加椒盐噪声的源代码

---

3.添加椒盐噪声代码

def saltpepper_noise(image, proportion):
    '''
    此函数用于给图片添加椒盐噪声
    image       : 原始图片
    proportion  : 噪声比例 
    '''
    image_copy = image.copy()
    # 求得其高宽
    img_Y, img_X = image.shape
    # 噪声点的 X 坐标
    X = np.random.randint(img_X,size=(int(proportion*img_X*img_Y),))
    # 噪声点的 Y 坐标
    Y = np.random.randint(img_Y,size=(int(proportion*img_X*img_Y),))
    # 噪声点的坐标赋值
    image_copy[Y, X] = np.random.choice([0, 255], size=(int(proportion*img_X*img_Y),))
    
    # 噪声容器
    sp_noise_plate = np.ones_like(image_copy) * 127
    # 将噪声给噪声容器
    sp_noise_plate[Y, X] = image_copy[Y, X]
    return image_copy, sp_noise_plate # 这里也会返回噪声，注意返回值

4.添加高斯噪声代码

def gaussian_noise(img, mean, sigma):
    '''
    此函数用将产生的高斯噪声加到图片上
    传入:
        img   :  原图
        mean  :  均值
        sigma :  标准差
    返回:
        gaussian_out : 噪声处理后的图片
        noise        : 对应的噪声
    '''
    # 将图片灰度标准化
    img = img / 255
    # 产生高斯 noise
    noise = np.random.normal(mean, sigma, img.shape)
    # 将噪声和图片叠加
    gaussian_out = img + noise
    # 将超过 1 的置 1，低于 0 的置 0
    gaussian_out = np.clip(gaussian_out, 0, 1)
    # 将图片灰度范围的恢复为 0-255
    gaussian_out = np.uint8(gaussian_out*255)
    # 将噪声范围搞为 0-255
    # noise = np.uint8(noise*255)
    return gaussian_out, noise # 这里也会返回噪声，注意返回值

---

5.给图片添加高斯噪声的源代码

import cv2
import matplotlib.image as mping
import matplotlib.pyplot as plt
import numpy as np

# 读取图片
src = cv2.imread('Peppers.png', 0)

# 创建绘图 figure
fig_out = plt.figure(figsize=(4, 2), dpi=370) # figsize宽高比
fig_noise = plt.figure(figsize=(4, 2), dpi=370)

for i in range(0, 8):

    # 将图片和不同的噪声叠加
    gaussian_out, noise = gaussian_noise(src, 0, 0.03*i)
    # 创建 AxesSubplot 对象
    ax_out = fig_out.add_subplot(i+241)
    ax_noise = fig_noise.add_subplot(i+241)
    # 将丑兮兮的坐标抽去掉
    ax_out.axis('off')
    ax_noise.axis('off')
    # 设置标题
    ax_out.set_title('$\sigma$ = '+str(0.03*i), loc='left', fontsize=3, fontstyle='italic')
    ax_noise.set_title('$\sigma$ = '+str(0.03*i), loc='left', fontsize=3, fontstyle='italic')
    # 图片展示
    ax_out.imshow(gaussian_out, cmap='gray')
    ax_noise.imshow((noise+1)/2, cmap='gray')


# 保存图片
fig_out.savefig('1_Peppers_noise.png')
fig_noise.savefig('1_Guassion_noise.png')
# 图片显示
plt.show()

6.给图片添加椒盐噪声的源代码

import cv2
import matplotlib.image as mping
import matplotlib.pyplot as plt
import numpy as np

# 读取图片
src = cv2.imread('Peppers.png', 0)

# 创建绘图 figure
fig_out = plt.figure(figsize=(4, 2), dpi=370) # figsize宽高比
fig_noise = plt.figure(figsize=(4, 2), dpi=370)

for i in range(0, 8):
    
    # 将图片和不同的噪声叠加
    sp_out, noise = saltpepper_noise(src, 0.03*i)
    # 创建 AxesSubplot 对象
    ax_out = fig_out.add_subplot(i+241)
    ax_noise = fig_noise.add_subplot(i+241)
    # 将丑兮兮的坐标抽去掉
    ax_out.axis('off')
    ax_noise.axis('off')
    # 设置标题
    ax_out.set_title('proportion = '+str(0.03*i), loc='left', fontsize=3, fontstyle='italic')
    ax_noise.set_title('proportion = '+str(0.03*i), loc='left', fontsize=3, fontstyle='italic')
    # 图片展示
    ax_out.imshow(sp_out, cmap='gray')
    ax_noise.imshow(noise, cmap='gray')
    

# 保存图片
fig_out.savefig('1_Peppers_spnoise.png')
fig_noise.savefig('1_sp_noise.png')
# 图片显示
plt.show()

---

这是你们要的Peppers.png