使用np.random.normal函数对图像进行高斯加噪【实例讲解，可直接使用】

一、函数介绍

np.random.normal函数可生成一组符合指定均值和标准差的高斯分布的随机数。具体使用方式及参数如下：

np.random.normal(mean, std, size)

其中，mean表示均值，std表示方差，size表示形状，即生成一组形状为size的随机数。该函数的返回值类型为。

二、实例讲解

对图像进行高斯加噪的代码如下：

# 对图像进行高斯加噪
import cv2
import numpy as np

def add_g(img_ndarray, mean=0, var=30): # mean表示均值，var表示方差
  std = var**0.5

  image_add = img_ndarray + np.random.normal(mean, std, img_ndarray.shape) # image_add元素类型为
  # np.random.normal(mean, std, img_ndarray.shape)
  # 表示生成一组符合均值为mean，标准差为std的高斯分布随机数
  # 该组数的形状为img_ndarray.shape

  image_add = np.clip(image_add, 0, 255).astype(np.uint8) # image_add元素类型为
  # np.clip函数将image_add的值限制在给定的上下界
  # 如果元素值小于下界则将值改为下界值,在本例中，下界值为0
  # 如果大于上界，则将值改为上界值，在本例中，上界值为255

  # uint8是无符号八位整型，表示范围[0,255]的整数。
  # 由于cv2.imread读取的图像数据中的元素类型为np.uint8，因此这里也转为了np.uint8格式。

  return image_add

img_ndarray = cv2.imread(r'D:/ydd-master/05 pycodes/test2.jpg') # # img_ndarray元素类型为
image_add = add_g(img_ndarray)
cv2.imwrite('./image_add.jpg',image_add)

原图及高斯加噪后的图如下，仔细观察可知，右图比左图更为“粗糙”一点。注：上述均值和标准差的取值是参考顶会论文设置的，大家在做图像处理领域，尤其是表情识别领域，可以直接使用上述的add_g函数进行加噪。

三、注意事项

1.使用cv2.imread()读取图像会改变图像的通道，即将RGB变为BGR；使用cv2.imwrite()保存图像则会将通道纠正回RGB。

2.cv2.imread()函数读取图像的结果是numpy.ndarray类型，即多维数组的形式。

3.cv2.imread()函数读取的图像数据中的元素类型为np.uint8。np.uint8为无符号八位整型，表示范围[0,255]的整数。

4.np.clip函数将image_add的值限制在给定的上下界。如果元素值小于下界则将值改为下界值，在本例中，下界值为0；如果大于上界，则将值改为上界值，在本例中，上界值为255。

四、结束语

不管前方的路有多苦，只要走的方向正确，不管多么崎岖不平，都比站在原地更接近幸福。如果你向神求助，说明你相信神的能力。如果神没有帮助你，说明神相信你的能力。