數字圖像處理-python隨機噪聲、高斯噪聲和椒鹽噪聲實現

一、隨機噪聲、高斯噪聲和椒鹽噪聲

1、效果展示

 

 

2、代碼部分

import cv2
import numpy as np
from PyQt5.QtCore import QThread
import random

class Noise(QThread):
    def __init__(self):
        super(Noise, self).__init__()
        pass

    def random_noise(self, image, noise_num):
        '''
        添加隨機噪點（實際上就是隨機在圖像上將像素點的灰度值變為255即白色）
        :param image: 需要加噪的圖片
        :param noise_num: 添加的噪音點數目，一般是上千級別的
        :return: img_noise
        '''
        #
        # 參數image：，noise_num：
        img = cv2.imread(image)
        img_noise = img
        # cv2.imshow("src", img)
        rows, cols, chn = img_noise.shape
        # 加噪聲
        for i in range(noise_num):
            x = np.random.randint(0, rows)  # 隨機生成指定范圍的整數
            y = np.random.randint(0, cols)
            img_noise[x, y, :] = 255
        return img_noise

    def sp_noise(self, image, prob):
        '''
        添加椒鹽噪聲
        image:原始圖片
        prob:噪聲比例
        '''
        image = cv2.imread(image)
        output = np.zeros(image.shape, np.uint8)
        noise_out = 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()  # 隨機生成0-1之間的數字
                if rdn < prob:  # 如果生成的隨機數小於噪聲比例則將該像素點添加黑點，即椒噪聲
                    output[i][j] = 0
                    noise_out[i][j] = 0
                elif rdn > thres:  # 如果生成的隨機數大於（1-噪聲比例）則將該像素點添加白點，即鹽噪聲
                    output[i][j] = 255
                    noise_out[i][j] = 255
                else:
                    output[i][j] = image[i][j]  # 其他情況像素點不變
                    noise_out[i][j] = 100
        result = [noise_out, output]  # 返回椒鹽噪聲和加噪圖像
        return result

    def gasuss_noise(self, image, mean=0, var=0.001):
        '''
            添加高斯噪聲
            image:原始圖像
            mean : 均值
            var : 方差,越大，噪聲越大
        '''
        image = cv2.imread(image)
        image = np.array(image/255, dtype=float)#將原始圖像的像素值進行歸一化，除以255使得像素值在0-1之間
        noise = np.random.normal(mean, var ** 0.5, image.shape)#創建一個均值為mean，方差為var呈高斯分布的圖像矩陣
        out = image + noise#將噪聲和原始圖像進行相加得到加噪后的圖像
        if out.min() < 0:
            low_clip = -1.
        else:
            low_clip = 0.
        out = np.clip(out, low_clip, 1.0)#clip函數將元素的大小限制在了low_clip和1之間了，小於的用low_clip代替，大於1的用1代替
        out = np.uint8(out*255)#解除歸一化，乘以255將加噪后的圖像的像素值恢復
        #cv.imshow("gasuss", out)
        noise = noise*255
        return [noise,out]