图像加噪与滤波处理(python+opencv)

效果如下：

代码链接：图像加噪与滤波处理（opencv+python）

主要要求：
编写Python程序实现以下功能：
1、 读入一幅图像。
2、 使用两种不同的方法分别向图像中添加噪声。
3、 输出一幅标注噪声区域的二值图像，背景为黑色，噪声区域为白色。
4、 使用三种滤波方法对上述添加了噪声的图像进行滤波处理。
5、 分别保存滤波处理后的图像。

1. 相关原理
   均值滤波：均值滤波用其像素点的平均值代替原像素值，在滤除噪声的同时也会滤掉图像的边缘信息。
   中值滤波：中值滤波用该像素周围邻域像素的中值代替原像素。中值滤波去除椒盐噪声和斑块噪声时，效果比较明显。
   高斯滤波：高斯滤波是一种线性平滑滤波器，对于服从正态分布的噪声有很好的抑制作用。
2. 处理流程
   首先使用cv2.imread读取图片，写sp_noise和gaussian_noise函数分别实现对图片加入椒盐噪声和高斯噪声。并在加入噪声时保存加入的噪声点的位置，以便输出噪声区域的二值图像。之后使用cv2中的blur函数，GaussianBlur函数以及medianBlur函数分别对图片进行均值滤波，中值滤波和高斯滤波，并保存滤波处理后的图片。
3. 结果分析
   从滤波结果可以看出，高斯滤波的效果最好，几乎过滤了所有的噪声点还原出了原图，均值滤波效果次之，中值滤波的效果最次。

代码链接：图像加噪与滤波处理（opencv+python）