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
deephub1 分钟前
RAG 中分块重叠的 8 个隐性开销与权衡策略
人工智能·大语言模型·rag·检索
Ethan Hunt丶2 分钟前
MSVTNet: 基于多尺度视觉Transformer的运动想象EEG分类模型
人工智能·深度学习·算法·transformer·脑机接口
康康的AI博客15 分钟前
智能情感分析与品牌策略优化:如何通过AI洞察提升企业市场响应力
大数据·数据库·人工智能
水饺编程20 分钟前
第4章,[标签 Win32] :TextOut 测试案例3代码改编
c语言·c++·windows·visual studio
亚古数据22 分钟前
法国公司的类型:探索法国企业的多样形态
大数据·人工智能·亚古数据·法国公司
星爷AG I22 分钟前
12-11 印象加工(AGI基础理论)
人工智能·agi
gs8014026 分钟前
赋予 AI 大模型“联网”超能力:Serper (Google Search API) 深度解析与实战
人工智能
Darkwanderor30 分钟前
数据结构 - 并查集的应用
数据结构·c++·并查集
朴实赋能35 分钟前
当爱情可以“看见”:基于AI可穿戴设备与戈特曼理论的情感陪伴系统如何重塑亲密关系
人工智能·鸟理论·关注尝试·情绪同步性·修复尝试·关系测试·情绪可视化
金融小师妹1 小时前
3月美联储货币政策决策的动态博弈——基于就业市场数据与通胀预测的AI模型分析
大数据·人工智能·深度学习·机器学习