Python 给图像添加椒盐噪声和高斯噪声 Python 实现

1. 概述

在图像处理中，噪声是指图像中非预期的、无用的像素值或者颜色。噪声可能由于各种原因引入图像中，如信号传输的干扰、图像采集设备的特性等。为了模拟和处理这些噪声，我们可以使用一些技术在图像中添加噪声。

本文将介绍两种常见的图像噪声模型：椒盐噪声和高斯噪声，以及使用 Python 实现的方法。我们将会探讨这两种噪声的特点、使用的库以及实现代码和效果展示。

2. 椒盐噪声

椒盐噪声是指在图像中随机出现的黑色和白色像素点。它模拟了图像中突然出现的噪声点或损坏区域，类似于盐和胡椒。

椒盐噪声的添加可以通过随机选择图像中的像素点，将其像素值设置为最小值或者最大值（例如0或255）来实现。这里，我们将使用 OpenCV 库来实现椒盐噪声的添加。

下面是添加椒盐噪声的 Python 代码示例：

import cv2
import numpy as np

def add_salt_pepper_noise(image, amount):
    height, width = image.shape[:2]
    num_salt = int(amount * image.size * 0.5)
    coords = [np.random.randint(0, i - 1, num_salt) for i in image.shape]
    image[coords] = 255

    num_pepper = int(amount * image.size * 0.5)
    coords = [np.random.randint(0, i - 1, num_pepper) for i in image.shape]
    image[coords] = 0

    return image

# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 添加椒盐噪声
noisy_image = add_salt_pepper_noise(image, 0.2)

# 展示结果
cv2.imshow('Original Image', image)
cv2.imshow('Noisy Image', noisy_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明：

add_salt_pepper_noise 函数用于添加椒盐噪声。amount 参数表示噪声的密度，取值范围为 [0, 1]。
在本例中，我们使用灰度图像进行演示，但同样适用于彩色图像。如果图像是彩色图像，需要调整通道数。
使用 cv2.imshow 函数展示了原始图像和添加椒盐噪声后的图像。

左侧是原始图像，右侧是添加了椒盐噪声的图像。可以看到，噪声以黑色和白色像素点的形式出现在图像中。

3. 高斯噪声

高斯噪声是一种符合高斯分布的噪声，也称为正态分布噪声。它在图像中呈现出低频率的灰度变化，从而模拟了图像中的连续和随机的变化。

高斯噪声的添加可以通过在图像的每个像素值上加上一个符合正态分布的随机数来实现。我们可以使用 NumPy 库来生成符合正态分布的随机数，并使用 OpenCV 库来实现高斯噪声的添加。

下面是添加高斯噪声的 Python 代码示例：

import cv2
import numpy as np

def add_gaussian_noise(image, mean, std_dev):
    noisy_image = image.astype(np.float32)
    noise = np.random.normal(mean, std_dev, image.shape)
    noisy_image += noise
    noisy_image = np.clip(noisy_image, 0, 255).astype(np.uint8)

    return noisy_image

# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 添加高斯噪声
noisy_image = add_gaussian_noise(image, 0, 10)

# 展示结果
cv2.imshow('Original Image', image)
cv2.imshow('Noisy Image', noisy_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明：