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
鸿芯微控科技1 分钟前
MFC质量流量控制器流量不准怎么排查?设定值、反馈值与参考流量对比,附Python代码
c++·python·mfc
龙亘川5 分钟前
亘川智慧城市一网统管平台2026年7月版本更新
人工智能·智慧城市·开源软件·csdn开发云·gitcode
雾沉川7 分钟前
LiteUI-Studio 低配显卡 AI 视频生成工具完整技术介绍与标准化部署教程
人工智能·大模型·文生图·liteui-studio
CVer儿7 分钟前
c++二级指针
开发语言·c++
2601_950790688 分钟前
2026年八字排盘APP选择攻略:AI解读技巧、新手复盘方法与天乙八字排盘App全维度实测
人工智能·天乙八字排盘·命枢
openYuanrong分布式计算引擎12 分钟前
openYuanrong 打造 Agent 时代的企业级分布式底座
人工智能·分布式·ai·serverless
云端漫步198714 分钟前
HarmonyOS NEXT AI 智能生活助手:PromptManager 设计与实现
人工智能·生活·harmonyos
我是大卫24 分钟前
从零到答辩全链路:花1小时用TRAE Work搞定100页案例报告+40页答辩PPT
人工智能·trae
极序时代GEO品牌优化32 分钟前
杭州极序时代|面向地域、设备与用户画像的动态GEO
人工智能·python·算法·极序时代geo
崔高杰33 分钟前
【自动阅读笔记】Inference-Time Scaling for Generalist Reward Modeling
人工智能·笔记·机器学习