python使用opencv对图像添加噪声(高斯/椒盐/泊松/斑点)_python_

#读取图片 img = cv2.imread("demo.png") #设置高斯分布的均值和方差 mean = 0 #设置高斯分布的标准差 sigma = 25 #根据均值和标准差生成符合高斯分布的噪声 gauss = np.random.normal(mean,sigma,(img_height,img_width,img_channels)) #给图片添加高斯噪声 noisy_img = image + gauss #设置图片添加高斯噪声之后的像素值的范围 noisy_img = np.clip(noisy_img,a_min=0,a_max=255) #保存图片 cv2.imwrite("noisy_img.png",noise_img)

#读取图片 img = cv2.imread("demo.png") #设置添加椒盐噪声的数目比例 s_vs_p = 0.5 #设置添加噪声图像像素的数目 amount = 0.04 noisy_img = np.copy(image) #添加salt噪声 num_salt = np.ceil(amount * image.size * s_vs_p) #设置添加噪声的坐标位置 coords = [np.random.randint(0,i - 1, int(num_salt)) for i in image.shape] noisy_img[coords] = 255 #添加pepper噪声 num_pepper = np.ceil(amount * image.size * (1. - s_vs_p)) #设置添加噪声的坐标位置 coords = [np.random.randint(0,i - 1, int(num_pepper)) for i in image.shape] noisy_img[coords] = 0 #保存图片 cv2.imwrite("noisy_img.png",noise_img)

#读取图片 img = cv2.imread("demo.png") #计算图像像素的分布范围 vals = len(np.unique(image)) vals = 2 ** np.ceil(np.log2(vals)) #给图片添加泊松噪声 noisy_img = np.random.poisson(image * vals) / float(vals) #保存图片 cv2.imwrite("noisy_img.png",noise_img)

#读取图片 img = cv2.imread("demo.png") #随机生成一个服从分布的噪声 gauss = np.random.randn(img_height,img_width,img_channels) #给图片添加speckle噪声 noisy_img = image + image * gauss #归一化图像的像素值 noisy_img = np.clip(noisy_img,a_min=0,a_max=255) #保存图片 cv2.imwrite("noisy_img.png",noise_img)