Python-给图像添加椒盐噪声和高斯噪声

概述椒盐噪声和高斯噪声在噪声的概念中，通常采用信噪比（Signal-NoiseRate,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。在信号系统中，计量单位为dB，为10lg(PS/PN),PS和PN分别代表信号和噪声的有效功率。在这里，采用信号像素点的占比充当SNR，以衡量所添加噪 椒盐噪声和高斯噪声

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。

在信号系统中，计量单位为dB，为10lg(PS/PN), PS和PN分别代表信号和噪声的有效功率。在这里，采用信号像素点的占比充当SNR，以衡量所添加噪声的多少。

椒盐噪声又称为脉冲噪声，它是一种随机出现的白点（盐噪声）或者黑点（椒噪声）。

高斯噪声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。

原图：

代码：

import cv2import numpy as npfrom matplotlib import pyplot as pltfrom PIL import Imageimport randomdef gasuss_noise(image, mean=0, var=0.001):    '''        添加高斯噪声        mean : 均值        var : 方差    '''    image = np.array(image/255, dtype=float)    noise = np.random.normal(mean, var ** 0.5, image.shape)    out = image + noise    if out.min() < 0:        low_clip = -1.    else:        low_clip = 0.    out = np.clip(out, low_clip, 1.0)    out = np.uint8(out*255)    return outdef sp_noise(image,prob):    '''    添加椒盐噪声    prob:噪声比例    '''    output = np.zeros(image.shape,np.uint8)    thres = 1 - prob    for i in range(image.shape[0]):        for j in range(image.shape[1]):            rdn = random.random()            if rdn < prob:                output[i][j] = 0            elif rdn > thres:                output[i][j] = 255            else:                output[i][j] = image[i][j]    return outputimg = cv2.imread("1.jpg")gray=cv2.cvtcolor(img,cv2.color_BGR2GRAY)# 添加椒盐噪声，噪声比例为 0.02out1 = sp_noise(img, prob=0.02)# 添加高斯噪声，均值为0，方差为0.009out2 = gasuss_noise(img, mean=0, var=0.009)cv2.imshow('out1',out1)cv2.imwrite('sp.png',out1)cv2.imshow('out2',out2)cv2.imwrite('gasuss.png',out2)cv2.waitKey(0)cv2.destroyAllwindows()

实验结果

高斯（gasuss）

椒盐（sp）

总结

以上是内存溢出为你收集整理的Python-给图像添加椒盐噪声和高斯噪声全部内容，希望文章能够帮你解决Python-给图像添加椒盐噪声和高斯噪声所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。