如何使用 OpenCV 在 Python 中为图像添加噪声（高斯/盐和胡椒等）[重复]

Posted 2023-02-23

【中文标题】如何使用 OpenCV 在 Python 中为图像添加噪声（高斯/盐和胡椒等）[重复]

【英文标题】：How to add noise (Gaussian/salt and pepper etc) to image in Python with OpenCV [duplicate]

【发布时间】：2014-05-21 04:21:52

【问题描述】：

我想知道 Python 中是否存在使用 OpenCV 或任何其他 python 图像处理库向图像添加高斯或椒盐噪声的函数？例如，在 MATLAB 中存在执行相同工作的直接函数。

或者，如何使用 Python 和 OpenCV 为图像添加噪点？

【问题讨论】：

你试过搜索吗？以***.com/questions/14435632/… 为例

@Cyber​​ 是的，我知道它们，但它们适用于 MATLAB。它们是用于在图像中添加噪声的 MATLAB 函数。但是，我的问题是在使用 python 和 opencv 时做同样的事情。

@Sanchit，Cyber​​ 提到的问题的答案不是 Matlab 而是 OpenCV

@MichaelBurdinov：对不起，我错误地查看了另一个页面（他们正在使用 MATLAB 函数）。是的，我认为可以使用这个概念（对于高斯噪声）。我试试看。

【参考方案1】：

函数在图像中添加高斯、椒盐、泊松和散斑噪声

Parameters
----------
image : ndarray
    Input image data. Will be converted to float.
mode : str
    One of the following strings, selecting the type of noise to add:

    'gauss'     Gaussian-distributed additive noise.
    'poisson'   Poisson-distributed noise generated from the data.
    's&p'       Replaces random pixels with 0 or 1.
    'speckle'   Multiplicative noise using out = image + n*image,where
                n is uniform noise with specified mean & variance.


import numpy as np
import os
import cv2
def noisy(noise_typ,image):
   if noise_typ == "gauss":
      row,col,ch= image.shape
      mean = 0
      var = 0.1
      sigma = var**0.5
      gauss = np.random.normal(mean,sigma,(row,col,ch))
      gauss = gauss.reshape(row,col,ch)
      noisy = image + gauss
      return noisy
   elif noise_typ == "s&p":
      row,col,ch = image.shape
      s_vs_p = 0.5
      amount = 0.004
      out = np.copy(image)
      # Salt mode
      num_salt = np.ceil(amount * image.size * s_vs_p)
      coords = [np.random.randint(0, i - 1, int(num_salt))
              for i in image.shape]
      out[coords] = 1

      # Pepper mode
      num_pepper = np.ceil(amount* image.size * (1. - s_vs_p))
      coords = [np.random.randint(0, i - 1, int(num_pepper))
              for i in image.shape]
      out[coords] = 0
      return out
  elif noise_typ == "poisson":
      vals = len(np.unique(image))
      vals = 2 ** np.ceil(np.log2(vals))
      noisy = np.random.poisson(image * vals) / float(vals)
      return noisy
  elif noise_typ =="speckle":
      row,col,ch = image.shape
      gauss = np.random.randn(row,col,ch)
      gauss = gauss.reshape(row,col,ch)        
      noisy = image + image * gauss
      return noisy

【讨论】：

输出图片noise_img = sp_noise(image,0.05) cv2.imwrite('sp_noise.jpg', noise_img) size 0

这种“盐和胡椒”方法分别添加到每个颜色通道。我见过的一些例子即使是彩色图像也会出现黑白斑点......这是正确的还是真实的？

s_vs_p和amount是什么意思？

对于彩色图像，在 HSV 空间中进行然后转换为 RGV 可能是有意义的

如果是 RGB，我想你应该将 1 作为盐改为 255

【参考方案2】：

我不知道 Python API 中是否有任何方法。但是您可以使用这个简单的代码将椒盐噪声添加到图像中。

import numpy as np
import random
import cv2

def sp_noise(image,prob):
    '''
    Add salt and pepper noise to image
    prob: Probability of the noise
    '''
    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 output

image = cv2.imread('image.jpg',0) # Only for grayscale image
noise_img = sp_noise(image,0.05)
cv2.imwrite('sp_noise.jpg', noise_img)

【讨论】：

好一个。效果很好

简单明了。谢谢。由于您使用的是 NumPy 数组，因此我建议您使用矢量化操作来提高效率。

我在这里根据这个答案实现了一个矢量化版本：gist.github.com/lucaswiman/1e877a164a69f78694f845eab45c381a 确实快得多。

你为什么用 rdn>thres 来添加盐噪声？

有什么原因会改变图像的颜色？

【参考方案3】：

只要看看cv2.randu() 或 cv.randn()，我猜它已经和 matlab 非常相似了。

让我们玩一会儿；）：

import cv2
import numpy as np

>>> im = np.empty((5,5), np.uint8) # needs preallocated input image
>>> im
array([[248, 168,  58,   2,   1],  # uninitialized memory counts as random, too ?  fun ;) 
       [  0, 100,   2,   0, 101],
       [  0,   0, 106,   2,   0],
       [131,   2,   0,  90,   3],
       [  0, 100,   1,   0,  83]], dtype=uint8)
>>> im = np.zeros((5,5), np.uint8) # seriously now.
>>> im
array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]], dtype=uint8)
>>> cv2.randn(im,(0),(99))         # normal
array([[  0,  76,   0, 129,   0],
       [  0,   0,   0, 188,  27],
       [  0, 152,   0,   0,   0],
       [  0,   0, 134,  79,   0],
       [  0, 181,  36, 128,   0]], dtype=uint8)
>>> cv2.randu(im,(0),(99))         # uniform
array([[19, 53,  2, 86, 82],
       [86, 73, 40, 64, 78],
       [34, 20, 62, 80,  7],
       [24, 92, 37, 60, 72],
       [40, 12, 27, 33, 18]], dtype=uint8)

要将其应用于现有图像，只需在所需范围内生成噪声，然后添加它：

img = ...
noise = ...

image = img + noise

【讨论】：

执行此cv2.randn(im,(0),(99)) 不会返回数组，如答案所示。它返回 NoneType 。请打印im 数组以检查随机值。 randn

也许你可以改变 dtype=np.int8 与 uint8 相比。这样，噪声也可以是负的，并且整体亮度保持大致相同。有了这个解决方案，它只会变得更亮。

我建议cv2.add(img, noise) 因为img+noise 会产生不良结果。这是因为 opencv 将 250+10 处理为 255 而 numpy 将其处理为 (250+10)%255 = 5