OpenCV（二十一）：椒盐噪声和高斯噪声的产生

1.图像噪声介绍

2.椒盐噪声的产生

3.高斯噪声的产生

1.图像噪声介绍

噪声介绍

图像噪声是指在图像中存在的不期望的、随机的像素值变化，这些变化来源于多种因素。噪声可能导致图像细节模糊、失真或难以分辨。

以下是几种常见的图像噪声类型：

1.椒盐噪声:又被称作脉冲噪声，它会随机改变图像中的像素值，是由相机成像、图像传输、解码处理等过程产生的黑白相间的亮暗点噪声。

2. 高斯噪声:高斯噪声是指噪声分布的概率密度函数服从高斯分布(正态分布)的一类噪声。

2.椒盐噪声的产生

椒盐噪声生成的步骤：

Step1:确定添加椒盐噪声的位置。
Step2:确定噪声的种类。
Step3:修改图像像素灰度值。
Step4:得到含有椒盐噪声的图像。

由于椒盐噪声是随机产生的，所以我们要使用opencv中能够产生随机数的函数，有下面两个：

1.rand_double()

double cvflann::rand_double ( double high=1.0,

double low = 0

)

2.rand_int()

int cvflann::rand_int ( int high =RAND MAX,

int low = 0

)

由于图像像素中的数据都是整数，并且产生的椒盐噪声的数据是0或者255的整数，我们主要使用rand_int()这个函数。

在OpenCV中，可以使用cv::Mat类和随机数生成函数rand_int()来模拟生成椒盐噪声。下面是一个示例代码，展示如何在图像中添加椒盐噪声：


#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;//图像添加椒盐噪声函数
void saltAndPepper(Mat image,int n){for(int k=0;k<n/2;k++){//随机确定图像中的位置int i,j;i=cvflann::rand_int()%image.cols;//取余数运算，保证在图像的列数内j=cvflann::rand_int()%image.rows;//取余数运算，保证在图像的行数内int write_black=rand()%2;//判断为白色噪声还是黑色噪声的变量if(write_black==0)//添加白色噪声{if(image.type()==CV_8UC1){image.at<uchar>(j,i)=255;//白色噪声}else if(image.type()==CV_8UC4)//处理彩色图片{image.at<Vec4b>(j,i)[0]=255;//Vec4b为opencv定义的一个3个值的向量类型，指定通道，B:0 G:1 R:2image.at<Vec4b>(j,i)[1]=255;image.at<Vec4b>(j,i)[2]=255;image.at<Vec4b>(j,i)[3]=255;}}else{//添加黑色噪声if(image.type()==CV_8UC1){image.at<uchar>(j,i)=0;//白色噪声}else if(image.type()==CV_8UC4)//处理彩色图片{image.at<Vec4b>(j,i)[0]=0;//Vec4b为opencv定义的一个3个值的向量类型，指定通道，B:0 G:1 R:2image.at<Vec4b>(j,i)[1]=0;image.at<Vec4b>(j,i)[2]=0;image.at<Vec4b>(j,i)[3]=0;}}}
}
//椒盐噪声
void Saltandpepper_noise(Mat image){Mat gray;cvtColor(image,gray,COLOR_BGR2GRAY);imwrite("/sdcard/DCIM/image.png",image);//展示原图imwrite("/sdcard/DCIM/gray.png",gray);saltAndPepper(image,10000);//彩色图像添加椒盐噪声saltAndPepper(gray,10000);//灰度图像添加椒盐噪声imwrite("/sdcard/DCIM/image_saltAndPepper.png",image);imwrite("/sdcard/DCIM/gray_saltAndPepper.png",gray);}

在上面的代码中，首先包含了OpenCV的头文件<opencv2/opencv.hpp>。然后，定义了一个名为SaltAndPepper()的函数，用于向图像中添加椒盐噪声。

该函数使用cvflann::rand_int()函数生成随机数，并根据给定的噪声比例计算添加噪声的像素数量。接着，在图像中随机选择这些像素，并将其值设置为黑色（0）或白色（255），从而模拟生成椒盐噪声。

在Saltandpepper_noise函数中，读取了原始图像，并调用SaltAndPepper()函数来添加椒盐噪声。然后，使用cv::imwrite()显示带有噪声的图像。

灰度图像灰度图像添加椒盐噪声

彩色图像彩色图像添加椒盐噪声

请注意，在示例代码中，假设待处理的图像是8位无符号整型单通道灰度图像（CV_8UC1）或4通道彩色图像（CV_8UC4）。如果处理的图像类型不同，需要相应地修改代码。

3.高斯噪声的产生

高斯噪声生成的步骤：

Step1:创建一个与图像尺寸、数据类型以及通道数相同的Mat类变量。

Step2:在Mat类变量中产生符合高斯分布的随机数。

Step3:将原图像和含有高斯分布的随机数矩阵相加。

Step4:得到添加高斯噪声的图像。

在OpenCV中，RNG::fill()是一个用于填充数组或矩阵的函数，它可以生成指定分布的随机数，并将其存储在指定的数据结构中。该函数的签名如下：

void cv::RNG::fill ( InputOutputArray mat,

int distType,

InputArray a,

InputArray b,

bool saturateRange = false

)

mat：用于存放随机数的矩阵，目前只支持低于5通道的矩阵。
distType：指定生成随机数分布的类型，可以是以下值之一：
- RNG::UNIFORM：均匀分布
- RNG::NORMAL：正态分布（高斯分布）
a：生成分布所需的参数之一。对于均匀分布，它表示随机数的下界；对于正态分布，它是均值。
b：生成分布所需的参数之二。对于均匀分布，它表示随机数的上界；对于正态分布，它是标准差。
saturateRange：一个可选的布尔值，如果为true，则将生成的随机数截断到输出数组或矩阵的数据类型的有效范围内。

在OpenCV中，可以使用随机数生成函数和高斯分布函数来模拟生成高斯噪声。下面是一个示例代码，展示如何在图像中添加高斯噪声：

//高斯噪声
void Gaussian_noise(Mat image){Mat gray;cvtColor(image,gray,COLOR_BGR2GRAY);Mat image_noise=Mat::zeros(image.rows,image.cols,image.type());Mat gray_noise=Mat::zeros(gray.rows,gray.cols,gray.type());imwrite("/sdcard/DCIM/image.png",image);//展示原图imwrite("/sdcard/DCIM/gray.png",gray);RNG rng;//创建一个RNG类rng.fill(image_noise,RNG::NORMAL,10,20);//生成三通道的高斯分布随机数rng.fill(gray_noise,RNG::NORMAL,15,30);imwrite("/sdcard/DCIM/image_noise.png",image_noise);//三通道的高斯噪声imwrite("/sdcard/DCIM/gray_noise.png",gray_noise);//单通道的高斯噪声image=image+image_noise;//在彩色图像中添加高斯噪声gray=gray+gray_noise;//在灰度图像中添加高斯噪声//显示添加高斯噪声后的图像imwrite("/sdcard/DCIM/image_Gaussian.png",image);imwrite("/sdcard/DCIM/gray_Gaussian.png",gray);
}

这段示例代码演示了如何生成高斯噪声，并将其添加到彩色图像和灰度图像中。

首先，代码使用cvtColor函数将输入的彩色图像转换为灰度图像，并创建了gray和image变量来存储结果。

接下来，代码创建了两个空白图像：image_noise和gray_noise，它们与输入图像和灰度图像具有相同的尺寸和类型。这些图像将用于存储生成的高斯噪声。

然后，代码利用RNG类创建了一个随机数生成器对象rng。

通过调用rng.fill()函数，代码将生成服从高斯分布的随机数填充到image_noise和gray_noise中。第一个参数是要填充的图像，第二个参数RNG::NORMAL表示生成的随机数应符合正态分布。第三个和第四个参数分别表示高斯分布的均值和标准差，这里分别为10和20（对于image_noise）以及15和30（对于gray_noise）。这些值可以根据需要进行调整。

之后，代码使用imwrite函数将原始图像、灰度图像、生成的高斯噪声图像保存到指定路径，将结果可视化。

最后，代码将高斯噪声添加到输入的彩色图像和灰度图像中，通过对应的像素相加。结果图像被保存并可视化。