篇首语：本文由编程笔记#小编为大家整理，主要介绍了图像处理：随机添加椒盐噪声和高斯噪声Python相关的知识，希望对你有一定的参考价值。

图像处理&＃xff1a;随机添加椒盐噪声和高斯噪声Python

目录

图像处理&＃xff1a;随机添加椒盐噪声和高斯噪声Python

1.常见的图像噪声

&＃xff08;1&＃xff09;高斯噪声

&＃xff08;2&＃xff09; 椒盐噪声

2.生成图像噪声

&＃xff08;1&＃xff09;高斯噪声

&＃xff08;2&＃xff09; 椒盐噪声&＃xff08;速度慢&＃xff09;

&＃xff08;3&＃xff09; 椒盐噪声&＃xff08;快速版&＃xff09;

3. Demo测试

---

        图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。在噪声的概念中&＃xff0c;通常采用信噪比&＃xff08;Signal-Noise Rate, SNR&＃xff09;衡量图像噪声。通俗的讲就是信号占多少&＃xff0c;噪声占多少&＃xff0c;SNR越小&＃xff0c;噪声占比越大。

【尊重原则&＃xff0c;转载请注明出处】https://panjinquan.blog.csdn.net/article/details/126542210

---

1.常见的图像噪声

&＃xff08;1&＃xff09;高斯噪声

        高斯噪声Gaussian noise&＃xff0c;是指它的概率密度函数服从高斯分布&＃xff08;即正态分布&＃xff09;的一类噪声&＃xff0c;通常是因为不良照明和高温引起的传感器噪声。

&＃xff08;2&＃xff09; 椒盐噪声

        椒盐噪声salt-and-pepper noise&＃xff0c;又称为脉冲噪声&＃xff0c;它是一种随机出现的白点&＃xff08;盐噪声&＃xff09;或者黑点&＃xff08;椒噪声&＃xff09;&＃xff0c;通常是由图像传感器&＃xff0c;传输信道&＃xff0c;解压处理等产生的黑白相间的亮暗点噪声&＃xff08;椒-黑&＃xff0c;盐-白&＃xff09;。常用的去除这种噪声的有效手段是使用中值滤波器。

2.生成图像噪声

在原始图像基础上加上噪声分量&＃xff0c;即可生成图像噪声

&＃xff08;1&＃xff09;高斯噪声

def gaussian_noise(image, mean&＃61;0.1, sigma&＃61;0.1):
"""
添加高斯噪声
:param image:原图
:param mean:均值
:param sigma:标准差 值越大&＃xff0c;噪声越多
:return:噪声处理后的图片
"""
image &＃61; np.asarray(image / 255, dtype&＃61;np.float32) # 图片灰度标准化
noise &＃61; np.random.normal(mean, sigma, image.shape).astype(dtype&＃61;np.float32) # 产生高斯噪声
output &＃61; image &＃43; noise # 将噪声和图片叠加
output &＃61; np.clip(output, 0, 1)
output &＃61; np.uint8(output * 255)
return output


&＃xff08;2&＃xff09; 椒盐噪声&＃xff08;速度慢&＃xff09;

常规的方法&＃xff0c;需要遍历每个像素&＃xff0c;添加椒盐噪声&＃xff0c;该方法十分缓慢。Python语言十分不建议进行图像像素遍历操作&＃xff0c;毕竟性能太差&＃xff0c;速度太慢了&＃xff08;除非写成C/C&＃43;&＃43;版本&＃xff09;。我们可以借助numpy的矩阵处理&＃xff0c;实现快速的添加椒盐噪声。

def salt_pepper_noise(image: np.ndarray, prob&＃61;0.01):
"""
添加椒盐噪声&＃xff0c;该方法需要遍历每个像素&＃xff0c;十分缓慢
:param image:
:param prob: 噪声比例
:return:
"""
for i in range(image.shape[0]):
for j in range(image.shape[1]):
if random.random() image[i][j] &＃61; 0 if random.random() <0.5 else 255
else:
image[i][j] &＃61; image[i][j]
return image

&＃xff08;3&＃xff09; 椒盐噪声&＃xff08;快速版&＃xff09;

我们可以借助numpy的矩阵处理&＃xff0c;实现快速的添加椒盐噪声。基本思路&＃xff1a;利用np.random.uniform生成0~1的均匀噪声&＃xff08; uniform distribution noise&＃xff09;&＃xff0c;然后将noise > prob的像素设置0或者255&＃xff0c;这样通过矩阵的处理&＃xff0c;可以快速添加椒盐噪声。

def fast_salt_pepper_noise(image: np.ndarray, prob&＃61;0.02):
"""
随机生成一个0~1的mask&＃xff0c;作为椒盐噪声
:param image:图像
:param prob: 椒盐噪声噪声比例
:return:
"""
image &＃61; add_uniform_noise(image, prob * 0.51, vaule&＃61;255)
image &＃61; add_uniform_noise(image, prob * 0.5, vaule&＃61;0)
return image
def add_uniform_noise(image: np.ndarray, prob&＃61;0.05, vaule&＃61;255):
"""
随机生成一个0~1的mask&＃xff0c;作为椒盐噪声
:param image:图像
:param prob: 噪声比例
:param vaule: 噪声值
:return:
"""
h, w &＃61; image.shape[:2]
noise &＃61; np.random.uniform(low&＃61;0.0, high&＃61;1.0, size&＃61;(h, w)).astype(dtype&＃61;np.float32) # 产生高斯噪声
mask &＃61; np.zeros(shape&＃61;(h, w), dtype&＃61;np.uint8) &＃43; vaule
index &＃61; noise > prob
mask &＃61; mask * (~index)
output &＃61; image * index[:, :, np.newaxis] &＃43; mask[:, :, np.newaxis]
output &＃61; np.clip(output, 0, 255)
output &＃61; np.uint8(output)
return output


3. Demo性能测试

需要用到pybaseutils工具&＃xff0c;pip安装即可

# -*-coding: utf-8 -*-
"""
&＃64;Author : panjq
&＃64;E-mail : pan_jinquan&＃64;163.com
&＃64;Date : 2022-07-27 15:23:24
&＃64;Brief :
"""
import cv2
import random
import numpy as np
from pybaseutils import time_utils
&＃64;time_utils.performance("gaussian_noise")
def gaussian_noise(image, mean&＃61;0.1, sigma&＃61;0.1):
"""
添加高斯噪声
:param image:原图
:param mean:均值
:param sigma:标准差 值越大&＃xff0c;噪声越多
:return:噪声处理后的图片
"""
image &＃61; np.asarray(image / 255, dtype&＃61;np.float32) # 图片灰度标准化
noise &＃61; np.random.normal(mean, sigma, image.shape).astype(dtype&＃61;np.float32) # 产生高斯噪声
output &＃61; image &＃43; noise # 将噪声和图片叠加
output &＃61; np.clip(output, 0, 1)
output &＃61; np.uint8(output * 255)
return output
&＃64;time_utils.performance("salt_pepper_noise")
def salt_pepper_noise(image: np.ndarray, prob&＃61;0.01):
"""
添加椒盐噪声&＃xff0c;该方法需要遍历每个像素&＃xff0c;十分缓慢
:param image:
:param prob: 噪声比例
:return:
"""
for i in range(image.shape[0]):
for j in range(image.shape[1]):
if random.random() image[i][j] &＃61; 0 if random.random() <0.5 else 255
else:
image[i][j] &＃61; image[i][j]
return image
&＃64;time_utils.performance("fast_salt_pepper_noise")
def fast_salt_pepper_noise(image: np.ndarray, prob&＃61;0.02):
"""
随机生成一个0~1的mask&＃xff0c;作为椒盐噪声
:param image:图像
:param prob: 椒盐噪声噪声比例
:return:
"""
image &＃61; add_uniform_noise(image, prob * 0.51, vaule&＃61;255)
image &＃61; add_uniform_noise(image, prob * 0.5, vaule&＃61;0)
return image
def add_uniform_noise(image: np.ndarray, prob&＃61;0.05, vaule&＃61;255):
"""
随机生成一个0~1的mask&＃xff0c;作为椒盐噪声
:param image:图像
:param prob: 噪声比例
:param vaule: 噪声值
:return:
"""
h, w &＃61; image.shape[:2]
noise &＃61; np.random.uniform(low&＃61;0.0, high&＃61;1.0, size&＃61;(h, w)).astype(dtype&＃61;np.float32) # 产生高斯噪声
mask &＃61; np.zeros(shape&＃61;(h, w), dtype&＃61;np.uint8) &＃43; vaule
index &＃61; noise > prob
mask &＃61; mask * (~index)
output &＃61; image * index[:, :, np.newaxis] &＃43; mask[:, :, np.newaxis]
output &＃61; np.clip(output, 0, 255)
output &＃61; np.uint8(output)
return output
def cv_show_image(title, image, use_rgb&＃61;True, delay&＃61;0):
"""
调用OpenCV显示RGB图片
:param title: 图像标题
:param image: 输入是否是RGB图像
:param use_rgb: True:输入image是RGB的图像, False:返输入image是BGR格式的图像
:return:
"""
img &＃61; image.copy()
if img.shape[-1] &＃61;&＃61; 3 and use_rgb:
img &＃61; cv2.cvtColor(img, cv2.COLOR_RGB2BGR) # 将BGR转为RGB
# cv2.namedWindow(title, flags&＃61;cv2.WINDOW_AUTOSIZE)
cv2.namedWindow(title, flags&＃61;cv2.WINDOW_NORMAL)
cv2.imshow(title, img)
cv2.waitKey(delay)
return img
if __name__ &＃61;&＃61; "__main__":
test_file &＃61; "test.png"
image &＃61; cv2.imread(test_file)
prob &＃61; 0.02
for i in range(10):
out1 &＃61; gaussian_noise(image.copy())
out2 &＃61; salt_pepper_noise(image.copy(), prob&＃61;prob)
out3 &＃61; fast_salt_pepper_noise(image.copy(), prob&＃61;prob)
print("----" * 10)
cv_show_image("image", image, use_rgb&＃61;False, delay&＃61;1)
cv_show_image("gaussian_noise", out1, use_rgb&＃61;False, delay&＃61;1)
cv_show_image("salt_pepper_noise", out2, use_rgb&＃61;False, delay&＃61;1)
cv_show_image("fast_salt_pepper_noise", out3, use_rgb&＃61;False, delay&＃61;0)


循环机10次&＃xff0c;salt_pepper_noise平均耗时125.49021ms&＃xff0c;而fast_salt_pepper_noise平均耗时6.12011ms &＃xff0c;性能提高60倍左右&＃xff0c;其生成的效果是基本一致的

call gaussian_noise elapsed: avg:19.42925ms     total:194.29255ms     count:10
call salt_pepper_noise elapsed: avg:125.49021ms     total:1254.90212ms     count:10
call fast_salt_pepper_noise elapsed: avg:6.12011ms     total:61.20110ms     count:10 

原图	高斯噪声
salt_pepper_noise	fast_salt_pepper_noise