opencv图像去噪,opencv python 高斯滤波

  opencv图像去噪,opencv python 高斯滤波

  本文主要介绍python使用opencv给图像添加噪声(高斯/椒盐/泊松/斑点),有一定的学习价值。有需要的朋友可以参考一下。希望对你有帮助。

  00-1010 1、高斯噪声2、椒盐噪声3、泊松噪声4、斑点噪声导读:

  这篇文章主要介绍如何利用opencv来对图像添加各类噪声,原图:

  

目录

 

  高斯噪声是在一张图片上添加一个服从高斯分布的噪声,噪声添加的程度可以通过调整高斯分布的标准差(sigma)来控制。sigma越大,加入的噪点越多,图片受损越严重。

  #阅读图片

  img=cv2.imread(demo.png )

  #设置高斯分布的均值和方差

  平均值=0

  #设置高斯分布的标准偏差

  西格玛=25

  #根据均值和标准差,按照高斯分布生成噪声。

  gauss=np.random.normal(mean,sigma,(img_height,img_width,img_channels))

  #给图片添加高斯噪声

  noisy _ img=图像高斯

  #为图片添加高斯噪声后,设置像素值的范围。

  noise _ img=NP . clip(noise _ img,a_min=0,a_max=255)

  #保存图片

  cv2 . im write( noise_img . png ,noise _ img)

  

1、高斯噪声

 

  椒盐噪声是指在一张图片上添加黑白噪声。胡椒是指黑噪音(0,0,0),盐是指白噪音(255,255,255)。通过设置数量,可以控制添加噪波的比例。值越大,加入的噪点越多,图像受损越严重。

  #阅读图片

  img=cv2.imread(demo.png )

  #设置添加椒盐噪声的数量比例。

  s_vs_p=0.5

  #设置添加噪声的图像像素数量。

  金额=0.04

  noisy _ img=np.copy(图片)

  #添加盐噪声

  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]

  noise _ img[coords]=255

  #添加胡椒噪声

  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]

  noise _ img[coords]=0

  #保存图片

  cv2 . im write( noise_img . png ,noise _ img)

  

2、椒盐噪声

 

  #阅读图片

  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

  noise _ img=NP . random . poisson(image * vals)/float(vals)

  #保存图片

  cv2 . im write( noise_img . png ,noise _ img)

  

3、泊松噪声

 

  #阅读图片

  img=cv2.imread(demo.png )

  #随机生成服从分布的噪声

  gauss=NP . random . randn(img _ height,img_width,img_channels)

  #为图片添加斑点噪声

  noisy _ img=图像图像*高斯

  #归一化图像的像素值

  noise _ img=NP . clip(noise _ img,a_min=0,a_max=255)

  #保存图片

  cv2 . im write( noise_img . png ,noise _ img)

  这就是这篇关于python使用opencv给图像添加噪声(高斯/盐和胡椒/泊松/斑点)的文章。关于使用opencv的python的更多信息,请搜索流行的IT软件开发工作室以前的文章或继续浏览下面的相关文章。希望你以后能支持热门的IT软件开发工作室!

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。

留言与评论(共有 条评论)
   
验证码: