OpenCV实现高斯噪声

本文实例为大家分享了OpenCV实现高斯噪声的具体代码，供大家参考，具体内容如下

OpenCV 中提供了fill()函数可以产生均匀分布或者高斯分布（正态分布）的随机数，我们可以利用该函数产生符合高斯分布的随机数，之后在图像中加入这些随机数即可

void fill( InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange = false );
  • mat：用于存放随机数的矩阵，目前只支持低于5通道的矩阵。
  • distType：随机数分布形式选择标志，目前生成的随机数支持均匀分布（RNG::UNIFORM，0）和高斯分布（RNG::NORMAL，1）。
  • a：确定分布规律的参数。当选择均匀分布时，该参数表示均匀分布的最小下限；当选择高斯分布时，该参数表示高斯分布的均值。
  • b：确定分布规律的参数。当选择均匀分布时，该参数表示均匀分布的最大上限；当选择高斯分布时，该参数表示高斯分布的标准差。
  • saturateRange：预饱和标志，仅用于均匀分布。

该函数用于生成指定分布形式的随机数填充矩阵，可以生成符合均匀分布的随机数和符合高斯分布随机数。函数的第一个参数输入用于存储生成随机数的矩阵，但是矩阵的通道数必须小于等于4。第二个参数是选择随机数分布形式的标志，该函数目前只支持两种分布形式，分别是均匀分布（RNG::UNIFORM，简记0）和高斯分布（RNG::NORMAL，简记1）。函数的第三个和第四个参数为确定随机数分布规律的参数，第三个参数在均匀分布时表示均匀分布的最小下限，在高斯分布时表示高斯分布的均值；第四个参数在均匀分布时表示均匀分布的最大上限，在高斯分布时表示高斯分布的标准差。最后一个参数是预饱和标志，仅用于均匀分布，我们使用其默认式即可。

在图像中添加高斯噪声大致分为以下4个步骤：

Step1：首先需要创建一个与图像尺寸、数据类型以及通道数相同的Mat类变量.
Step2：通过调用fill()函数在Mat类变量中产生符合高斯分布的随机数。
Step3：将原图像和含有高斯分布的随机数矩阵相加。
Step4：得到添加高斯噪声之后的图像。

简单示例

//
// Created by smallflyfly on 2021/6/11.
//

#include "opencv2/opencv.hpp"
#include "opencv2/highgui.hpp"

#include <iostream>

using namespace std;
using namespace cv;

int main() {

    Mat im = imread("test.jpg");
    resize(im, im, Size(0, 0), 0.5, 0.5);

    Mat gray;
    cvtColor(im, gray, CV_BGR2GRAY);

    Mat rgbNoise = Mat::zeros(im.rows, im.cols, im.type());
    Mat grayNoise = Mat::zeros(gray.rows, gray.cols, gray.type());

    RNG rng;
    rng.fill(rgbNoise, RNG::NORMAL, 10, 20);
    rng.fill(grayNoise, RNG::NORMAL, 10, 20);

    imshow("three channels noise", rgbNoise);
    imshow("one channels noise", grayNoise);

    im = im + rgbNoise;
    gray = gray +grayNoise;

    imshow("add noise rgb", im);
    imshow("add noise gray", gray);

    waitKey(0);

    destroyAllWindows();

    return 0;

}

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

赞 (0)

相关推荐

  • opencv 图像滤波(均值,方框,高斯,中值)

    为什么要使用滤波 消除图像中的噪声成分叫作图像的平滑化或滤波操作.信号或图像的能量大部分集中在幅度谱的低频和中频段是很常见的,而在较高频段,感兴趣的信息经常被噪声淹没.因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响. 如下图,左图带有椒盐噪声,右图为使用中值滤波处理后的图片. 图像滤波的目的有两个:一是抽出对象的特征作为图像识别的特征模式;另一个是为适应图像处理的要求,消除图像数字化时所混入的噪声. python +opencv讲解 均值滤波 含义 如图:如果我们想对红色点进行处理,则它

  • opencv实现轮廓高斯滤波平滑

    本文实例为大家分享了opencv实现轮廓高斯滤波平滑的具体代码,供大家参考,具体内容如下 一个小测试的题目: 在图像上点选,找到与点选处相邻的颜色相近的点集合,对该点集合提取轮廓,对该点集合轮廓平滑处理,显示处理结果. #include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; //************************************ //

  • OpenCV实现灰度、高斯模糊、边缘检测的示例

    OpenCV实现灰度、高斯模糊、边缘检测的示例

    一.彩色图像转灰度 Opencv提供了一个方法,可以使彩色图像变为灰度图像. 函数名:cvtColor(src,dest,way); src表示初始的mat对象: dest表示转换后的mat对象: way表示以何种方式转换. 举个例子: int main() { //定义路径 string path = "Resources//test.png"; //Mat:opencv引入的矩阵数据类型,处理所有图像 Mat img = imread(path); //创建一个新的mat对象,用来

  • OpenCV实现高斯噪声

    OpenCV实现高斯噪声

    本文实例为大家分享了OpenCV实现高斯噪声的具体代码,供大家参考,具体内容如下 OpenCV 中提供了fill()函数可以产生均匀分布或者高斯分布(正态分布)的随机数,我们可以利用该函数产生符合高斯分布的随机数,之后在图像中加入这些随机数即可 void fill( InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange = false ); mat:用于存放随机数的矩阵,目前只支持低于

  • python OpenCV 实现高斯滤波详解

    python OpenCV 实现高斯滤波详解

    目录 一.高斯滤波 二.C++代码 三.python代码 四.结果展示 1.原始图像 2.5x5卷积 3.9x9卷积 一.高斯滤波    高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程. [1] 通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到.高斯滤波的具体操作是:用一个模板(或称卷积.掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值. 二.C++代码

  • 如何利用python正确地为图像添加高斯噪声

    如何利用python正确地为图像添加高斯噪声

    目录 彩图or灰度图 uint8orfloat64 方差or标准差 是否截断(clip) 总结 参考 开门见山,直接使用 skimage 库为图像添加高斯噪声是很简单的: import skimage origin = skimage.io.imread("./lena.png") noisy = skimage.util.random_noise(origin, mode='gaussian', var=0.01) 但是如果不用库函数而自己实现的话,有几个问题是值得注意的. 彩图 o

  • Python实现图像随机添加椒盐噪声和高斯噪声

    Python实现图像随机添加椒盐噪声和高斯噪声

    目录 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性能测试 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. 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

  • 使用Python-OpenCV向图片添加噪声的实现(高斯噪声、椒盐噪声)

    在matlab中,存在执行直接得函数来添加高斯噪声和椒盐噪声.Python-OpenCV中虽然不存在直接得函数,但是很容易使用相关的函数来实现. 代码: import numpy as np import random import cv2 def 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.

  • python 基于opencv实现高斯平滑

    python 基于opencv实现高斯平滑

    假设一个列数为W,行数为H的高斯卷计算子gaussKernel,其中W,H均为奇数,描点位置在((H-1)/2 ,(W-1)/2),构建高斯卷积核的步骤如下 1.计算高斯矩阵 2.计算高斯矩阵的和 3.高斯矩阵除以其本身的和,也就是归一化 下面利用Python来实现构建高斯卷积算子 def getGaussKernel(sigma, H, W): r, c = np.mgrid[0:H:1, 0:W:1] r -= (H - 1) / 2 c -= (W - 1) / 2 gaussMatrix

  • C++实现点云添加高斯噪声功能

    C++实现点云添加高斯噪声功能

    0 添加高斯噪声后的点云 红色为添加的高斯噪声点,白色为原始点 1 什么是高斯噪声 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.(百度百科) 高斯分布,也称正态分布,又称常态分布,记为 N ( μ , σ 2 ) ),其中 μ , σ 2 为分布的参数,分别为高斯分布的期望和方差,其中 σ > 0 ,称为标准差.当 μ , σ 有确定值时,p ( x ) 也就确定了,特别当 μ = 0 , σ 2 = 1时,x 的分布为标准正态分布. 高斯分布函数 2 怎样添加高斯噪声 磨

  • Python实现对图像添加高斯噪声或椒盐噪声

    目录 内容简介 加噪声的代码(高斯噪声,椒盐噪声) 在pytorch中如何使用 内容简介 展示如何给图像叠加不同等级的椒盐噪声和高斯噪声的代码,相应的叠加噪声的已编为对应的类,可实例化使用.以下主要展示自己编写的: 加噪声的代码(高斯噪声,椒盐噪声) add_noise.py #代码中的noisef为信号等级,例如我需要0.7的噪声,传入参数我传入的是1-0.7 from PIL import Image import numpy as np import random import torch

  • 利用python3如何给数据添加高斯噪声

    利用python3如何给数据添加高斯噪声

    目录 Background 原始数据 源码 总结 Background 高斯噪声,顾名思义是指服从高斯分布(正态分布)的一类噪声.有的时候我们需要向标准数据中加入合适的高斯噪声让数据更加符合实际. python中的random库中集成了高斯正态分布,可以直接使用. 我们可以通过调整高斯噪声均值和方差,获取不同效果的处理数据. 原始数据 高斯噪声sigma = 0.05 高斯噪声sigma = 0.1 高斯噪声sigma = 0.15 源码 import random import numpy a

  • Python实现对图像加噪(高斯噪声 椒盐噪声)

    目录 内容简介 加噪声的代码(高斯噪声,椒盐噪声) 在pytorch中如何使用 补充 内容简介 展示如何给图像叠加不同等级的椒盐噪声和高斯噪声的代码,相应的叠加噪声的已编为对应的类,可实例化使用.以下主要展示自己编写的: 加噪声的代码(高斯噪声,椒盐噪声) add_noise.py #代码中的noisef为信号等级,例如我需要0.7的噪声,传入参数我传入的是1-0.7 from PIL import Image import numpy as np import random import to

随机推荐