OpenCV（二十一）：椒盐噪声和高斯噪声的产生

古城微笑少年丶 2024-03-08 08:07 66阅读 0赞

**目录**

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:2
                    image.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:2
                    image.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。

![9002856e1be64bc0a2125374d8adb854.jpeg][] ![d6a76c0147ee4e56a06a0d9968d389c9.jpeg][]

灰度图像 灰度图像添加椒盐噪声

![a057aad8d70f4386b53db4081c7ad468.jpeg][] ![b7c4ffdd8faa430cad699c2bb938d4b1.jpeg][]

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。

![942d52c15ebe4d1aa3fa3e24664de044.jpeg][] ![72a1387dddf746faa6bf5f3dedd0500b.jpeg][]

灰度图像 灰度图像添加高斯噪声

![ac4073fb4de24d0dbd44b279caddd931.jpeg][] ![aa91b8ab657c4c0f86937e3f56d0bd0d.jpeg][]

彩色图像 彩色图像添加高斯噪声

[9002856e1be64bc0a2125374d8adb854.jpeg]: https://img-blog.csdnimg.cn/9002856e1be64bc0a2125374d8adb854.jpeg
[d6a76c0147ee4e56a06a0d9968d389c9.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/08/f43c8a4437e346fc830c1326853968c7.png
[a057aad8d70f4386b53db4081c7ad468.jpeg]: https://img-blog.csdnimg.cn/a057aad8d70f4386b53db4081c7ad468.jpeg
[b7c4ffdd8faa430cad699c2bb938d4b1.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/08/3d44cc4e37ba417bbfadd60891dca0ae.png
[942d52c15ebe4d1aa3fa3e24664de044.jpeg]: https://img-blog.csdnimg.cn/942d52c15ebe4d1aa3fa3e24664de044.jpeg
[72a1387dddf746faa6bf5f3dedd0500b.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/08/1a47a39150024afab777e0b227d4c5e8.png
[ac4073fb4de24d0dbd44b279caddd931.jpeg]: https://img-blog.csdnimg.cn/ac4073fb4de24d0dbd44b279caddd931.jpeg
[aa91b8ab657c4c0f86937e3f56d0bd0d.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/08/923c15e4eac146d0affcc3140ebafd66.png