opencv#29 图像噪声的产生

在上一节的图像卷积我们了解到图像卷积可以用于去除图像中的噪声，那么对于现实生活中每一张采集到的图像都会包含噪声，也就是我们通过相机无法得到不包含噪声的图像，如果我想衡量噪声去除能力的强弱，就必须在一张不含噪声的图像中人为添加噪声。

噪声介绍

图像在获取或者传输过程中会收到随机信号的干扰产生噪声。

·椒盐噪声：又称作脉冲噪声，它会随机改变图像中的像素值，是由相机成像，图像传输，解码处理等过程产生的黑白相间（像椒盐一样）的亮暗点噪声。

·高斯噪声：高斯噪声是指噪声分布的概率密度函数服从高斯分布（正态分布）的一类噪声（这种噪声形式会遍布在图像中每一个位置，也就是说这种噪声是每一个像素都可能会含有的，或大或小）。

下图分别是椒盐噪声（要么黑色要么白色，较为明显）和高斯噪声（遍布整个区域的噪声，像黑白电视机的雪花信号一样）的示例图。

椒盐噪声的产生

椒盐噪声产生的步骤：

Step1:确定添加椒盐噪声的位置。

Step2:确定噪声的种类(椒盐噪声有两种：黑色噪声和白色噪声）。

Step3:根据椒盐噪声的种类修改图像像素灰度值。

Step4:得到含有椒盐噪声的图像。

rand_double()

cpp 复制代码

                             high =
double cvflann::rand_double( double 1.0,
                             double low = 0
                           )

最大值1，最小值0，如果不设置任何参数，函数随机给出0~1之间分布的小数，里面的参数也可以人为进行设置，比如设置为3和2，那么产生的随机数就是分布在2~3之间的小数，它是以返回值的形式给出返回值为double类型。

rand_int()

cpp 复制代码

                        high =
int cvflann::rand_int( int RAND_MAX,
                       int low = 0
                     )

int类型给出的默认值的最大值是系统给出的，也可以进行人为设置,比如0~100，那么输出的所有数都是0~100之间的整数，它的形式也是以返回值给出。

上述两个函数我们可以灵活地使用，由于图像像素值都为整数，并且产生的椒盐噪声的数据也是0或者255，因此我门主要使用rand_int,为了保证函数产生的随机数能够在范围之内，也为了增加随机数所适用的图像，比如给出一个512*512图像，我们就设置函数内的值为512，这种形式是比较笨拙的，因此它最好的方式就是你可以随意的生成一个随机数，这个范围给你一个比较大的范围，比如说你在0~10000之间生成随机数，但是由于我们的位置是在512*512的正方形中，如果生成一个大于此范围的数，那么你的位置将会超出图像，因此我们最好的方法是将产生的随机数除以图像的长度或者宽度，求余数，余数一定能够小于图像的长宽的并且大于等于0，通过这样的限定，就可以使得产生的随机数一定在图像范围内，保证了产生随机数的随机性，同样产生的噪声由于可黑可白，随机的，所以可以根据产生的随机数除以2的方式，因为除以2求余数，要么是0，要么是1，我们可以假设0产生的就是白色噪声，1产生的就是黑色噪声，通过这样的方式就可以在先确定噪声的位置后，再确定噪声的颜色或种类，最后修改像素值，便可以得到椒盐噪声。

高斯噪声的产生

高斯噪声生成的步骤:

Step1: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。由于高斯噪声是在全局内产生的，因此噪声的尺寸要与原图像一致。

Step2:在Mat类变量中产生符合高斯分布的随机数，随机数分布在Mat矩阵中。

Step3:将原图像和含有高斯分布的随机数矩阵相加。

Step4:得到添加高斯噪声的图像。

fill()

cpp 复制代码

void cv::RNG::fill(InputOutputArray   mat,
                   int                distType,
                   InputArray         a,
                   InputArray         b,
                   bool               saturateRange = false
                  )

·mat:用于存放随机数的矩阵(与原图像尺寸数据类型相同)，目前只支持低于5通道的矩阵。

·distType:随机数分布形形式选择标志，高斯分布或均匀分布。

·a:确定分布规律的参数，在均匀分布的情况下，这是一个包含范围的下边界；在正太分布的情况下，这是一个平均值。

·b:确定分布规律的参数，在均匀分布的情况下，这是一个非包含上边界，在正太分布的情况下，这是一个标准差。

·saturateRange:预饱和标志，仅用于均匀分布，我们在使用高斯分布时，使用此参数的默认值即可。

示例

cpp 复制代码

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv; //opencv的命名空间
using namespace std;

//椒盐噪声函数
void saltAndPepper(cv::Mat image, int n) //参数：需要添加噪声的图像，噪声点数目
{
	for (int k = 0; k < (n / 2); k++)
	{
		//随机确定图像中位置
		int i, j;
		i = cvflann::rand_int() % image.cols; //取余运算，保证在图像列数之内
		j = cvflann::rand_int() % image.rows; //取余运算，保证在图像行数之内
		int write_black = std::rand() % 2;//判定为白色噪声还是黑色噪声

		if (write_black == 0) //添加白色噪声
		{
			if (image.type() == CV_8UC1)//处理灰度图像
			{
				image.at<uchar>(j, i) = 255; //白色噪声
			}
			else if (image.type() == CV_8UC3) //处理彩色图像
			{
				image.at<cv::Vec3b>(j, i)[0] = 255; //cv::Vec3b为opencv定义的一个3个值的向量类型
				image.at<cv::Vec3b>(j, i)[1] = 255; //[]指定通道：B:0,G:1,R:2
				image.at<cv::Vec3b>(j, i)[2] = 255;
			}
		}
		else if (write_black == 1)//添加黑色噪声
		{
			if (image.type() == CV_8UC1)//处理灰度图像
			{
				image.at<uchar>(j, i) = 0; //白色噪声
			}
			else if (image.type() == CV_8UC3) //处理彩色图像
			{
				image.at<cv::Vec3b>(j, i)[0] = 0; //cv::Vec3b为opencv定义的一个3个值的向量类型
				image.at<cv::Vec3b>(j, i)[1] = 0; //[]指定通道：B:0,G:1,R:2
				image.at<cv::Vec3b>(j, i)[2] = 0;
			}
		}
	}
}

//主函数
int main()
{
	Mat lena = imread("E:/opencv/opencv-4.6.0-vc14_vc15/opencv/lenac.png");
	Mat equalLena;
	cvtColor(lena, equalLena, COLOR_BGR2GRAY); //转为灰度图像

	if (lena.empty()|| equalLena.empty())
	{
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	Mat lena_G, equalLena_G;
	lena.copyTo(lena_G);
	equalLena.copyTo(equalLena_G);

	imshow("lena原图", lena);
	imshow("equallena原图", equalLena);

	saltAndPepper(lena, 10000); //彩色图像加椒盐噪声
	saltAndPepper(equalLena, 10000); //灰度图像添加椒盐噪声

	imshow("lena添加噪声", lena);
	imshow("equalLena", equalLena);

	cout << "下面是高斯噪声" << endl;
	waitKey(0);//等待函数用于显示图像,按下键盘任意键后退出

	Mat lena_noise = Mat::zeros(lena.rows, lena.cols, lena.type()); //用于存放高斯随机数的与原图像尺寸大小数据类型相同的Mat类
	Mat equalLena_noise = Mat::zeros(lena.rows, lena.cols, equalLena.type());
	imshow("lena原图", lena_G);
	imshow("equalLena原图", equalLena_G);

	RNG rng; //创建一个RNG类,opencv中RNG类是用于生成随机数的伪随机数生成器，可用来生成各种类型的随机数
	rng.fill(lena_noise, RNG::NORMAL, 10, 20); //生成三通道的高斯分布随机数(后面的参数是均值和方差值)
	rng.fill(equalLena_noise, RNG::NORMAL, 15,30); //生成单通道的高斯分布随机数

	imshow("三通道高斯噪声", lena_noise);
	imshow("单通道高斯噪声", equalLena_noise);

	lena_G = lena_G + lena_noise; //在彩色图像中添加高斯噪声
	equalLena_G = equalLena_G + equalLena_noise;//在灰度图像中添加高斯噪声

	//显示添加高斯噪声后的图像
	imshow("lena(高斯)", lena_G);
	imshow("equalLena(高斯)", equalLena_G);

	imwrite("E:/opencv/opencv-4.6.0-vc14_vc15/opencv/equalLena_G.png", equalLena_G); //保存灰度椒盐噪声图片
	imwrite("E:/opencv/opencv-4.6.0-vc14_vc15/opencv/equalLena.png", equalLena); //保存灰度高斯噪声图片

	waitKey(0);//等待函数用于显示图像,按下键盘任意键后退出

	return 0;

}