一. 椒盐噪声
在噪声的概念中，通常采用信噪比（Signal-Noise Rate, SNR）衡量图像噪声。通俗的讲就是信号占多少，噪声占多少，SNR越小，噪声占比越大。
在信号系统中，计量单位为dB，为10lg(PS/PN), PS和PN分别代表信号和噪声的有效功率。在这里，采用信号像素点的占比充当SNR，以衡量所添加噪声的多少。
椒盐噪声又称为脉冲噪声，它是一种随机出现的白点（盐噪声）或者黑点（椒噪声）。
高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。
椒盐噪声污染后的图像 ↑
高斯噪声污染后的图像 ↑
原图 ↑
二. python实现给图像添加椒盐噪声和高斯噪声
import numpy as np import random import cv2 from matplotlib import pyplot as plt def sp_noise(image,prob): ''' 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 def gasuss_noise(image, mean=0, var=0.001): ''' 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) 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) #cv.imshow("gasuss", out) return out # Read image img = cv2.imread("../paojie.jpg") # 添加椒盐噪声，噪声比例为 0.02 out1 = sp_noise(img, prob=0.02) # 添加高斯噪声，均值为0，方差为0.001 out2 = gasuss_noise(img, mean=0, var=0.001) # 显示图像 plt.figure(1) plt.subplot(131) plt.axis('off') # 关闭坐标轴 plt.title('Original') plt.imshow(img) plt.subplot(132) plt.axis('off') plt.title('Add Salt and Pepper noise') plt.imshow(out1) plt.subplot(133) plt.axis('off') plt.title('Add Gaussian noise') plt.imshow(out2) plt.show()
三. 实验结果
四. 参考内容