图像处理5-图片加噪

图像处理系列:

图像处理1-经典空间域增强——灰度映射​​​​​​

图像处理2-经典空间域增强——直方图均衡化

图像处理3-经典空间域增强——空域滤波

图像处理4-图像的傅里叶变换

图片加噪

下面利用matlab内置的imnoise函数添加不同种类、参数的噪声。

a.给图片加高斯噪声

代码

首先固定方差为0.01,变化均值,得到系列的图片如图(a);然后固定均值为0,变换方差,得到的系列图片如图(b)。这里的均值和方差的值都是归一化后的值,范围为[0,1].

%高斯噪声
figure(4)%不同均值
subplot(3,3,1)
imshow(img)
xlabel('原图')
for i=1:1:8
    subplot(3,3,i+1)
    imgn=imnoise(img,'gaussian',0.01*(i-4));
    imshow(imgn)
    xlabel(strcat('高斯噪声(μ=',num2str(0.01*(i-4)),',σ=0.01)'))
    
end
saveas(gcf,'高斯噪声sigma.jpg')
figure(5)%不同方差
subplot(3,3,1)
imshow(img)
xlabel('原图')
for i=1:1:8
    subplot(3,3,i+1)
    imgn=imnoise(img,'gaussian',0,0.01*i);
    imshow(imgn)
    xlabel(strcat('高斯噪声(μ=0',',σ=',num2str(0.01*i),')'))
end
saveas(gcf,'高斯噪声u.jpg')

效果

不同均值的高斯噪声

图像处理5-图片加噪_第1张图片

(a)高斯噪声(μ=0,变换σ)

不同方差的高斯噪声

图像处理5-图片加噪_第2张图片

(b)高斯噪声(σ=0.01,变换μ)

 总结

   可以看出对于高斯噪声来说μ值为负图片变暗,为正时图片变量,且随着μ值的增大,亮度的变化也越大;

b.给图片添加椒盐噪声

代码

给图片添加不同SNR值的椒盐噪声,效果如图。

%椒盐噪声
figure(6)
subplot(3,3,1)
imshow(img)
xlabel('原图')
for i=1:1:8%不同SNR
    subplot(3,3,i+1)
    imgn=imnoise(img,'salt & pepper',0.01*i);
    imshow(imgn)
    xlabel(strcat('椒盐噪声(SNR=',num2str(0.01*i),')'))
end
saveas(gcf,'椒盐噪声.jpg')

效果

图像处理5-图片加噪_第3张图片

图 给图片添加椒盐噪声

c.给图片添加泊松噪声

泊松产生的原因:图像监测具有颗粒性,这种颗粒性造成了图像对比度的变小以及对图像细节信息的遮盖,我们对这种因为光量子而造成的测量不确定性成造成了泊松噪声。从图中可以看出,添加泊松噪声后的图片有明显的颗粒感。

代码

%泊松噪声
figure(25)
subplot(1,2,1)
imshow(img)
xlabel('原图')
subplot(1,2,2)
imshow(imnoise(img,'poisson'))
xlabel('泊松噪声')
saveas(gcf,'泊松.jpg')

效果

图像处理5-图片加噪_第4张图片

图 给图片添加泊松噪声

d.给图片添加乘性噪声

代码

%乘性噪声
figure(26)
subplot(3,3,1)
imshow(img)
xlabel('原图')
for i=1:1:8%不同方差
    subplot(3,3,i+1)
    imgn=imnoise(img,'speckle',0.01*i);
    imshow(imgn)
    xlabel(strcat('乘性噪声(方差=',num2str(0.01*i),')'))
end
saveas(gcf,'乘性噪声.jpg')

效果图像处理5-图片加噪_第5张图片

图 给图片添加乘性噪声

    从图6中可以看到,方差越大,图片的颗粒越多。

e.附录

图像处理5-图片加噪_第6张图片

pandas.png 

你可能感兴趣的:(图像处理,matlab)