椒鹽噪聲

圖像噪聲之椒鹽噪聲（Salt And Pepper Noise）

概述：

椒鹽噪聲（salt & pepper noise）是數字圖像的一個常見噪聲，所謂椒鹽。椒就是黑，鹽就是白，椒鹽噪聲就是在圖像上隨機出現黑色白色的像素。椒鹽噪聲是一種由於信號脈沖強度引起的噪聲，產生該噪聲的算法也比較簡單。

算法步驟：

我們使用信噪比（Signal NoiseRate）衡量圖像噪聲。

圖象的信噪比應該等於信號與噪聲的功率譜之比，但通常功率譜難以計算，有一種方法能夠近似預計圖象信噪比，即信號與噪聲的方差之比。首先計算圖象全部象素的局部方差。將局部方差的最大值覺得是信號方差，最小值是噪聲方差。求出它們的比值，再轉成dB數。最后用經驗公式修正。

假設是灰度圖像的話，SNR=（潔凈圖片中的像素點的灰度值之和）/abs（噪聲圖片的灰度值之和-潔凈圖片中的灰度值之和）為該圖像的信噪比。

給一副數字圖像加上椒鹽噪聲的過程例如以下：

• （1）指定信噪比 SNR （其取值范圍在[0, 1]之間）
• （2）計算總像素數目 SP。 得到要加噪的像素數目 NP = SP * (1-SNR)
• （3）隨機獲取要加噪的每一個像素位置P（i, j）
• （4）指定像素值為255或者0。

• （5）反復3,4兩個步驟完畢全部像素的NP個像素
• （6）輸出加噪以后的圖像

編程實例：

為簡單起見，直接使用灰度圖進行測試。彩色圖的原理是同樣的。

# -*- coding: utf-8 -*-

from PIL import Image

from pylab import *

from numpy import*

#讀取圖片,灰度化，並轉為數組
img = im = array(Image.open('./source/test.jpg').convert('L'))

#信噪比
SNR = 0.6

#計算總像素數目 SP， 得到要加噪的像素數目 NP = SP * (1-SNR)
noiseNum=int((1- SNR)*img.shape[0]*img.shape[1])

#於隨機位置將像素值隨機指定為0或者255
for i in range(noiseNum):

    randX=random.random_integers(0,img.shape[0]-1)  

    randY=random.random_integers(0,img.shape[1]-1)  

    if random.random_integers(0,1)==0:  

        img[randX,randY]=0  

    else:  

        img[randX,randY]=255   

#顯示圖像
gray()

imshow(img)

show()         

執行結果：

原圖

SNR = 0.8

SNR = 0.6

SNR = 0.4

結語：

本篇博客主要介紹了椒鹽噪聲這樣的常見的圖像噪聲。希望對大家有所幫助～