opencv(c++)---访问图像像素、增加白噪点

opencv(c++)---访问图像像素、增加白噪点

c++ 复制代码
// 头文件保护
#pragma once

// 引入OpenCV库和其他必要的头文件
#include <opencv2/opencv.hpp>
#include <iostream>
#include <random>

using namespace cv;  // 使用OpenCV命名空间
using namespace std; // 使用标准命名空间

// 函数: 添加椒盐噪声
// 参数:
// - Mat img: 输入图像
// - int n: 要添加的噪声点数量
void Salt(Mat img, int n)
{
    // 创建随机数生成器
    default_random_engine e; // 默认随机数生成器
    uniform_int_distribution<int> randomrows(0, img.rows - 1); // 随机生成行索引
    uniform_int_distribution<int> randomcols(0, img.cols - 1); // 随机生成列索引

    int i, j;

    // 循环添加n个椒盐噪声点
    for (int k = 0; k < n; k++)
    {
        // 生成随机的行和列索引
        i = randomrows(e);
        j = randomcols(e);
        
        // 判断图像的通道数
        if(img.channels() == 1) // 灰度图像
        {
            img.at<uchar>(i, j) = 255; // 将随机位置的像素值设置为255(白色)
        }
        else if (img.channels() == 3) // BGR彩色图像
        {
            img.at<Vec3b>(i, j)[0] = 255; // 蓝色通道设置为255
            img.at<Vec3b>(i, j)[1] = 255; // 绿色通道设置为255
            img.at<Vec3b>(i, j)[2] = 255; // 红色通道设置为255
        }
    }
}

// 主函数
int main()
{
    // 读取图像
    Mat src = imread("D:/123.jpg");

    // 检查图像是否成功读取
    if (src.empty())
    {
        cout << "读取图像失败" << endl; // 输出错误信息
        return -1; // 返回 -1 表示失败
    }

    // 显示原始图像
    imshow("原始图", src);

    // 调用Salt函数添加2000个椒盐噪声点
    Salt(src, 2000);

    // 显示添加噪声后的图像
    imshow("椒盐噪声图", src);

    // 等待按键
    waitKey(0);
    return 0; // 返回 0 表示成功
}

函数解释

Salt(Mat img, int n)

该函数用于向输入图像添加椒盐噪声。椒盐噪声是常见的噪声类型,表现为随机出现的白色或黑色像素点。参数img是输入的图像,参数n指定要添加的噪声点的数量。函数通过随机生成像素位置,设置这些位置的颜色值为白色(255),实现椒盐噪声的效果。

相关推荐
Raas1003 小时前
MAI Gateway(魔芋企业级AI网关)技术揭秘:AI网关支持哪些模型?从原理到落地
大数据·人工智能·网关·gateway·mai gateway·企业级产品
豪气的程序猿5 小时前
电商图片工作流怎么选?Lingko AI 对比折叠键盘主图与详情页
人工智能
小刘快学习6 小时前
把 AI 账单拆到部门:企业 AI 网关的精准分账思路
人工智能
米小虾6 小时前
你让监控模型读的思维链,可能是攻击者写好的剧本
人工智能
deepseek236 小时前
Iris 开源搜索智能体拆解:35B 与 397B 中文仅差 0.3 分,上下文管理胜过堆参数
人工智能·ai agent·开源模型
ai小陈6 小时前
CUDA Stream实战:让数据传输与GPU计算真正重叠
人工智能·深度学习·ai·pdf·云计算·gpu算力
residual_fan6 小时前
【学术论文】航空发动机故障诊断智能体:基于持续对比强化学习的动态优化方法
人工智能·算法·数据挖掘·数据分析
东风破_6 小时前
从 RAG 到 Agentic RAG:第二步,把复杂问题拆开再检索
人工智能
dehuisun6 小时前
第07篇:RAG+Agent 部署架构、资源评估与私有化方案
人工智能
米小虾6 小时前
拆给 8 个子智能体,只拿回 2.3 倍信息:多智能体分解的产出守恒律
人工智能·agent