python图像添加高斯噪声,python产生高斯白噪声

　　基于大蟒向图像随机添加香蕉火噪声，并修改尺寸

　　噪声分布设置为（均值为0,方差分布在0~50之间)

　　# -*-编码：utf-8 -*- 创建于2021年11月29日14:09:45 @作者：瀛台夜雪 import OS import numpy as NP import cv2 import glob def main():src _ dir= ./example/ save_dir= ./example/train src_dir_test= ./example/test save_dir_test= ./示例/测试 #遍历文件夹下所有的图片文件路径=glob。glob(保存目录/*).jpg )文件路径_ test=glob。glob(src _ dir _ test /* .jpg )def sortKeyFunc(s):return int(OS。路径。基本名称[:-4])# OS。路径。基本名称()返回小路最后的文件名，[:-4],取后缀前的名字文件路径_测试。排序(key=sort key func)文件路径。sort(key=sort key func)print([*]Reading train files . )#如果地址不存在，创建新地址文件夹如果不是OS。路径。exists(保存目录):操作系统。mkdir(保存目录)操作系统。mkdir(保存目录测试)操作系统。mkdir(./example/train/noisy) os.mkdir( ./例/训/原))OS。mkdir(./example/test/noise))OS。mkdir(./示例/测试/原始’)打印([*]应用噪波.)# np.linspace(开始，停止，数量)创建等差数列sig=np.linspace(0，50，len(文件路径))np。随机的。洗牌(SIG)#打印(SIG)SIG _ test=NP。Lin空间(0，50，len(文件路径_测试))NP。随机的。范围内I的shuffle(SIG _ test)(len(文件路径)):image=cv2。im read(文件路径[I])#将图片变换成180*180大小的图片image=cv2.resize(image，(180，180)，插值=cv2 .INTER_CUBIC) row，col，ch=image。shape mean=0 sigma=SIG[I]# print(这是训练sigma )# print(sigma)# NP。随机的。normal(loc=均值，scale=sigma，size=(row，col，ch))生成香蕉火分布的概率密度随机数，均值，方差，输入样式#建立方差随机的香蕉火噪声，方差分布在0到50之间高斯=np.random.normal(mean，sigma，(row，col，ch))高斯=高斯。形状(行，列，通道)噪声=图像高斯# NP。剪辑(a，a_min，a_max)将输入的原始a限制在a_min与最大值之间，小于a_min赋值为a_min，大于最大值赋值为a _ max噪声=NP。clip(noise，0，255)#noise.astype(uint8 )，转变数据类型为uint8型，uint8为8位无符号整数类型，表示范围为嘈杂=嘈杂。astype( uint 8 )cv2。im写(OS。路径。加入(save _ dir,noisy/d.png %i)，嘈杂)cv2。im写(OS。路径。join(save _ dir,original/d.png % I)，image)for I in range(len(file paths _ test)):image=cv2。im read(file paths _ test[I])image=cv2。调整大小(图像，(180，180)，插值=cv2 .INTER_CUBIC) row，col，ch=image。shape mean=0 sigma=SIG[I]# print(这是测试sigma )# print(sigma)gauss=NP。随机的。normal(mean，sigma，(row，col，ch))高斯=高斯。形状(行、列、通道)噪声=图像。clip(噪声，0.255)噪声=噪声。astype( uint 8 )cv2。im写(OS。路径。join(save _ dir _ test， noise/% d . png % I )，原始图像：

　　噪声图像：

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。