【计算机视觉】OpenCV 实战：视频椒盐噪声生成与消除 + 图像边界填充详解

文章目录

• 前言
• 一、视频椒盐噪声的生成与消除
• • 一.项目介绍
  • 二、完整代码
  • 三.代码详细解析
• [二、OpenCV 图像边界填充详解](#二、OpenCV 图像边界填充详解)
• • 一.项目介绍
  • 二.完整代码
  • 三.代码详细解析
• 总结

---

前言

今天我们来分享两个计算机视觉入门的经典案例：一个是视频椒盐噪声的生成与消除，另一个是OpenCV 图像边界填充的五种方式。这两个项目都用到了 OpenCV 和 NumPy 库，非常适合刚接触计算机视觉的新手学习，既能练手又能快速理解图像处理的基础概念。

对计算机视觉感兴趣的朋友，也可以翻阅博主其他相关文章，里面整理了图像形态学操作、图像平滑处理等更多入门案例，可供大家拓展学习、参考借鉴。
【Python OpenCV 入门教程】图像读取、灰度转换、图片切分、视频逐帧处理
【计算机视觉】OpenCV 图像处理阈值处理 + 图像编辑 + 噪声滤波 + 图像运算

---

一、视频椒盐噪声的生成与消除

一.项目介绍

椒盐噪声是图像处理中最常见的噪声之一，它就像在图像上撒了黑白两种盐粒，会让图像出现随机的白点（盐噪声）和黑点（胡椒噪声）。本项目的核心功能是：给视频画面手动添加椒盐噪声，再用中值滤波消除噪声，直观对比处理前后的效果。

二、完整代码

import cv2
import numpy as np
vidio_capture = cv2.VideoCapture('芦苇.mp4')#  摄像头：0
def add_peppersalt_noise(image,n = 10000):
    result = image.copy()
    h,w = image.shape[:2]
    for i in range(n):
        x = np.random.randint(0,h)
        y = np.random.randint(0,w)
        if np.random.randint(0,2 ) == 0:
            result [x,y] = 0
        else:
            result[x,y] = 255
    return result


while True:
    ret, frame = vidio_capture.read()
    noise = add_peppersalt_noise(frame)
    median = cv2.medianBlur(noise, 3)
    if not ret:
        break
    cv2.imshow('Video',frame)
    cv2.imshow('noise',noise)
    cv2.imshow('median',median)
    if cv2.waitKey(60)==27:   #ASCII码 ESC=27，空格=32
        break
vidio_capture.release()  #释放电脑资源避免卡顿
cv2.destroyAllWindows()

三.代码详细解析

导入依赖库:

cv2：OpenCV 库，是计算机视觉的核心工具，负责视频读取、图像显示、滤波处理等操作。

numpy：数值计算库，用来生成随机数、处理图像的像素矩阵。

import cv2
import numpy as np

cv2.VideoCapture()是 OpenCV 读取视频的核心函数，参数可以是视频文件路径（如这里的"芦苇.mp4"），也可以是摄像头编号（比如0代表电脑默认摄像头）。

video_capture = cv2.VideoCapture("芦苇.mp4")

定义添加椒盐噪声的函数

result = image.copy()：复制原始图像，避免直接修改原图导致后续处理出错。

h, w = image.shape[:2]：获取图像的高度和宽度，image.shape返回的是(高, 宽, 通道数)，这里取前两个值即可。

for i in range(n)：循环生成n个噪声点，n越大噪声越密集，新手可以先从10000开始尝试。

x = np.random.randint(0, h) 和 y = np.random.randint(0, w)：随机生成噪声点的行坐标和列坐标。

np.random.randint(0, 2) == 0：随机决定这个点是黑点（0）还是白点（255），两种概率各占 50%。

def add_peppersalt_noise(image,n = 10000):
    result = image.copy()
    h,w = image.shape[:2]
    for i in range(n):
        x = np.random.randint(0,h)
        y = np.random.randint(0,w)
        if np.random.randint(0,2 ) == 0:
            result [x,y] = 0
        else:
            result[x,y] = 255
    return result

视频循环处理与去噪:

ret, frame = video_capture.read()：逐帧读取视频，ret是布尔值，表示是否成功读取到帧；frame是当前帧的图像数据。

if not ret: break：如果视频读取结束（比如到了最后一帧），就退出循环。

noise = add_peppersalt_noise(frame)：给当前帧添加椒盐噪声。

median = cv2.medianBlur(noise, 3)：核心去噪步骤，cv2.medianBlur()是中值滤波函数，第二个参数3是滤波器的核大小（必须是奇数，比如 3、5、7），核越大去噪效果越强，但也会让图像更模糊。

cv2.imshow()：创建窗口并显示图像，三个窗口分别显示原始视频、噪声视频和去噪后的视频，方便对比效果。

cv2.waitKey(60)：等待用户按键，参数60表示每帧之间等待 60 毫秒，控制视频播放速度；按下ESC键（ASCII 码 27）时退出循环。

while True:
    ret, frame = vidio_capture.read()
    noise = add_peppersalt_noise(frame)
    median = cv2.medianBlur(noise, 3)
    if not ret:
        break
    cv2.imshow('Video',frame)
    cv2.imshow('noise',noise)
    cv2.imshow('median',median)
    if cv2.waitKey(60)==27:   #ASCII码 ESC=27，空格=32
        break

释放资源

video_capture.release()：释放视频读取对象，避免占用电脑资源。

cv2.destroyAllWindows()：关闭所有 OpenCV 创建的窗口，防止程序结束后窗口残留。

video_capture.release()
cv2.destroyAllWindows()

代码运行结果：

二、OpenCV 图像边界填充详解

一.项目介绍

在图像处理中，很多操作（比如卷积滤波）会改变图像的尺寸，这时候就需要给图像添加边界（Padding）来保持尺寸不变。OpenCV 的cv2.copyMakeBorder()函数提供了五种常用的边界填充方式，本项目通过一个案例直观展示它们的区别。

二.完整代码

import cv2
ct5 = cv2.imread('carh5.png')
ct5=cv2.resize(ct5,dsize=None,fx=0.5,fy=0.5)

top,bottom,left,right = 50,50,50,50
constant = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(123,50,20))
reflect = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
replicate = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_WRAP)

cv2.imshow('constanr',constant)
cv2.waitKey()
cv2.imshow('reflect',reflect)
cv2.waitKey()
cv2.imshow('reflect101',reflect101)
cv2.waitKey()
cv2.imshow('replicate',replicate)
cv2.waitKey()
cv2.imshow('wrap',wrap)
cv2.waitKey()
cv2.destroyAllWindows()

三.代码详细解析

导入依赖库并读取图像

cv2.imread('carh5.png')：读取本地图像文件。

cv2.resize()：缩放图像，fx=0.5, fy=0.5表示将图像的宽和高都缩小为原来的一半，避免图像太大超出屏幕。

import cv2

ct5 = cv2.imread('carh5.png')
ct5 = cv2.resize(ct5, dsize=None, fx=0.5, fy=0.5)

设置边界填充的尺寸

定义上下左右四个方向各填充 50 个像素，后续所有填充方式都使用这个尺寸，方便对比。

top, bottom, left, right = 50, 50, 50, 50

五种边界填充方式：

1. 常量填充：用固定颜色填充边界
2. 反射填充：以图像边缘为轴镜像反射（包含边缘像素）
3. 反射填充：以图像边缘为轴镜像反射（不包含边缘像素，也叫对称填充）
4. 复制边缘填充：直接复制图像边缘的像素值填充边界
5. 循环填充：把图像当成环形，用对侧的像素填充边界

cv2.copyMakeBorder()的核心参数：

第一个参数是输入图像。

接下来四个参数分别是上、下、左、右需要填充的像素数。

borderType指定填充方式，是我们要重点理解的部分。

value只有在BORDER_CONSTANT模式下才需要，用来指定填充的颜色（BGR 格式）。

constant = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(123,50,20))
reflect = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
replicate = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(ct5,top,bottom,left,right,borderType=cv2.BORDER_WRAP)

显示并退出

cv2.imshow()依次显示五种填充方式的效果，cv2.waitKey()会暂停程序，直到用户按下任意键再显示下一个窗口，方便我们逐个观察对比。

最后用cv2.destroyAllWindows()关闭所有窗口。

cv2.imshow('constanr',constant)
cv2.waitKey()
cv2.imshow('reflect',reflect)
cv2.waitKey()
cv2.imshow('reflect101',reflect101)
cv2.waitKey()
cv2.imshow('replicate',replicate)
cv2.waitKey()
cv2.imshow('wrap',wrap)
cv2.waitKey()
cv2.destroyAllWindows()

代码运行结果：

---

总结

读者朋友可以先照着代码运行一遍，再修改参数（比如噪声点数量、中值滤波核大小、填充像素数）观察效果变化，加深理解。这些操作是学习计算机视觉的基石，熟练掌握后，才能进一步学习更多进阶内容。