【python + opencv图像处理一】图像增加噪声

几种常见噪声

高斯噪声

概率密度函数服从高斯分布的噪声。
产生原因：
1）图像传感器在拍摄时市场不够明亮、亮度不够均匀；
2）电路各元器件自身噪声和相互影响；
3）图像传感器长期工作，温度过高

代码实现：

def gasuss_noise(image,mean=0,var=0.001):
    '''
    手动添加高斯噪声
    mean : 均值
    var : 方差
    '''
    image = np.array(image/255, dtype=float)
    noise = np.random.normal(mean, var ** 0.5, image.shape)  # 正态分布
    out = image + noise
    if out.min() < 0:
        low_clip = -1.
    else:
        low_clip = 0.
    out = np.clip(out, low_clip, 1.0)
    out = np.uint8(out*255)
    return out

椒盐噪声

椒盐噪声，椒盐噪声又称脉冲噪声，它随机改变一些像素值，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。
椒盐噪声往往由图像切割引起。

def sp_noise(image,prob):
    '''
    手动添加椒盐噪声
    prob:噪声比例
    '''
    output = np.zeros(image.shape, np.uint8)
    thres = 1 - prob
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            rdn = random.random()
            if rdn < prob:
                output[i][j] = 0
            elif rdn > thres:
                output[i][j] = 255
            else:
                output[i][j] = image[i][j]
    return output

直接调用库的实现

import skimage
from skimage import util

def api_img(img,mode):
    '''
    直接调用skimage库函数，对图片进行加噪
    :param img: 读入图像
    :param mode:
    可选择，str型，表示要添加的噪声类型
        gaussian：高斯噪声
        localvar：高斯分布的加性噪声，在“图像”的每个点处具有指定的局部方差。
        poisson：泊松再生
        salt：盐噪声，随机将像素值变成1
        pepper：椒噪声，随机将像素值变成0或-1，取决于矩阵的值是否带符号
        s&p：椒盐噪声
        speckle：均匀噪声（均值mean方差variance），out=image+n*image
    :return: 加噪后的图像
    '''
    noise_gs_img = util.random_noise(img, mode)
    noise_gs_img = noise_gs_img * 255  # 由于输出是[0，1]的浮点型，先转成灰度图（我的输入就是灰度图）
    noise_gs_img = noise_gs_img.astype(np.int16)  # 再变成整型数组
    return noise_gs_img

其中 random noise函数介绍

def random_noise(image, mode='gaussian', seed=None, clip=True, **kwargs):
功能：为浮点型图片添加各种随机噪声
参数：
image：输入图片（将会被转换成浮点型），ndarray型
mode： 可选择，str型，表示要添加的噪声类型
	gaussian：高斯噪声
	localvar：高斯分布的加性噪声，在“图像”的每个点处具有指定的局部方差。
	poisson：泊松再生
	salt：盐噪声，随机将像素值变成1
	pepper：椒噪声，随机将像素值变成0或-1，取决于矩阵的值是否带符号
	s&p：椒盐噪声
	speckle：均匀噪声（均值mean方差variance），out=image+n*image
seed： 可选的，int型，如果选择的话，在生成噪声前会先设置随机种子以避免伪随机
clip： 可选的，bool型，如果是True，在添加均值，泊松以及高斯噪声后，会将图片的数据裁剪到合适范围内。如果谁False，则输出矩阵的值可能会超出[-1,1]
mean： 可选的，float型，高斯噪声和均值噪声中的mean参数，默认值=0
var：  可选的，float型，高斯噪声和均值噪声中的方差，默认值=0.01（注：不是标准差）
local_vars：可选的，ndarry型，用于定义每个像素点的局部方差，在localvar中使用
amount： 可选的，float型，是椒盐噪声所占比例，默认值=0.05
salt_vs_pepper：可选的，float型，椒盐噪声中椒盐比例，值越大表示盐噪声越多，默认值=0.5，即椒盐等量
--------
返回值：ndarry型，且值在[0,1]或者[-1,1]之间，取决于是否是有符号数
-------
注意：略（见源码）

main调用以上函数使用：

if __name__ == "__main__":
    img = cv2.imread('../pic/rabbit.jpg')
    out1 = api_img(img, "gaussian")
    out2 = api_img(img, "s&p")
    out3 = gasuss_noise(img)
    out4 = sp_noise(img, 0.05)
    cv2.imwrite('../out_pic/api_gs.jpg', out1)
    cv2.imwrite('../out_pic/api_sp.jpg', out2)
    cv2.imwrite('../out_pic/gs.jpg', out3)
    cv2.imwrite('../out_pic/sp.jpg', out4)

最后结果：

原图：

手动添加高斯噪声：

调用api的高斯噪声

手动添加椒盐噪声

调用api的椒盐噪声