热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

椒盐|原图_图像处理:随机添加椒盐噪声和高斯噪声Python

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。

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:随机添加椒盐噪声和高斯噪声Python

目录

图像处理:随机添加椒盐噪声和高斯噪声Python

1.常见的图像噪声

(1)高斯噪声

(2) 椒盐噪声

2.生成图像噪声

(1)高斯噪声

(2) 椒盐噪声(速度慢)

(3) 椒盐噪声(快速版)

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,通常采用信噪比(Signal-Noise Rate, SNR)衡量图像噪声。通俗的讲就是信号占多少,噪声占多少,SNR越小,噪声占比越大。

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




1.常见的图像噪声


(1)高斯噪声

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


(2) 椒盐噪声

        椒盐噪声salt-and-pepper noise,又称为脉冲噪声,它是一种随机出现的白点(盐噪声)或者黑点(椒噪声),通常是由图像传感器,传输信道,解压处理等产生的黑白相间的亮暗点噪声(椒-黑,盐-白)。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,即可生成图像噪声


(1)高斯噪声

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

(2) 椒盐噪声(速度慢)

常规的方法,需要遍历每个像素,添加椒盐噪声,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,毕竟性能太差,速度太慢了(除非写成C/C++版本)。我们可以借助numpy的矩阵处理,实现快速的添加椒盐噪声。

def salt_pepper_noise(image: np.ndarray, prob=0.01):
"""
添加椒盐噪声,该方法需要遍历每个像素,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





推荐阅读
  • 本文介绍了SVD(奇异值分解)和QR分解的基本原理及其在Python中的实现方法。通过具体代码示例,展示了如何使用这两种矩阵分解技术处理图像数据和计算特征值。 ... [详细]
  • Python处理Word文档的高效技巧
    本文详细介绍了如何使用Python处理Word文档,涵盖从基础操作到高级功能的各种技巧。我们将探讨如何生成文档、定义样式、提取表格数据以及处理超链接和图片等内容。 ... [详细]
  • 开发笔记:2020 BJDCTF Re encode
    开发笔记:2020 BJDCTF Re encode ... [详细]
  • 本文详细介绍了C++中map容器的多种删除和交换操作,包括clear、erase、swap、extract和merge方法,并提供了完整的代码示例。 ... [详细]
  • 本文介绍了如何利用Python进行批量图片尺寸调整,包括放大和等比例缩放。文中提供了详细的代码示例,并解释了每个步骤的具体实现方法。 ... [详细]
  • Startup 类配置服务和应用的请求管道。Startup类ASP.NETCore应用使用 Startup 类,按照约定命名为 Startup。 Startup 类:可选择性地包括 ... [详细]
  • 本文介绍如何使用 Android 的 Canvas 和 View 组件创建一个简单的绘图板应用程序,支持触摸绘画和保存图片功能。 ... [详细]
  • 本文介绍如何利用 Python 中的 NumPy 和 Matplotlib 库,从 NumPy 数组中绘制线图。通过具体的代码示例和详细解释,帮助读者理解并掌握这一技能。 ... [详细]
  • 在本教程中,我们将深入探讨如何使用 Python 构建游戏的主程序模块。通过逐步实现各个关键组件,最终完成一个功能完善的游戏界面。 ... [详细]
  • 本文详细探讨了JavaScript中的作用域链和闭包机制,解释了它们的工作原理及其在实际编程中的应用。通过具体的代码示例,帮助读者更好地理解和掌握这些概念。 ... [详细]
  • 雨林木风 GHOST XP SP3 经典珍藏版 V2017.11
    雨林木风 GHOST XP SP3 经典珍藏版 V2017.11 ... [详细]
  • 中科院学位论文排版指南
    随着毕业季的到来,许多即将毕业的学生开始撰写学位论文。本文介绍了使用LaTeX排版学位论文的方法,特别是针对中国科学院大学研究生学位论文撰写规范指导意见的最新要求。LaTeX以其精确的控制和美观的排版效果成为许多学者的首选。 ... [详细]
  • 二维几何变换矩阵解析
    本文详细介绍了二维平面上的三种常见几何变换:平移、缩放和旋转。通过引入齐次坐标系,使得这些变换可以通过统一的矩阵乘法实现,从而简化了计算过程。文中不仅提供了理论推导,还附有Python代码示例,帮助读者更好地理解这些概念。 ... [详细]
  • 本文详细介绍了福昕软件公司开发的Foxit PDF SDK ActiveX控件(版本5.20),并提供了关于其在64位Windows 7系统和Visual Studio 2013环境下的使用方法。该控件文件名为FoxitPDFSDKActiveX520_Std_x64.ocx,适用于集成PDF功能到应用程序中。 ... [详细]
  • 社交网络中的级联行为 ... [详细]
author-avatar
宁艺汉先生
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有