【OpenCV】彩色RGB图像添加高斯噪声（Gaussian Noise）

简介

高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声，高斯噪声是一个加性噪声（加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在）。

产生原因：
1）图像传感器在拍摄时市场不够明亮、亮度不够均匀；
2）电路各元器件自身噪声和相互影响；
3）图像传感器长期工作，温度过高。

这里说一下高斯白噪声：
白噪声是一种功率谱密度为常数的随机信号或随机过程。换句话说，此信号在各个频段上的功率是一样的，由于白光是由各种频率（颜色）的单色光混合而成，因此此信号的这种具有平坦功率谱的性质被称作是“白色”，此信号也因此被称作白噪声。相对的，其他不具有这一性质的噪声信号被称为有色噪声（功率谱随频率变化）。
当随机的从高斯分布中获取采样值时，采样点所组成的随机过程就是“高斯白噪声”；同理，当随机的从均匀分布中获取采样值时，采样点所组成的随机过程就是“均匀白噪声”。
“非白的高斯”噪声——高斯色噪声。这种噪声其分布是高斯的，但是他的频谱不是一个常数，或者说，对高斯信号采样的时候不是随机采样的，而是按照某种规律来采样的。
这么说来我们添加的高斯噪声应该大部分都为高斯白噪声。

对于灰度图像的添加高斯噪声有很多，也比较简单，没有什么疑问。而对于彩色图像，由于有三个通道，如何将高斯噪声添加进去也有了不同的方法。目前我见到两种方法：
（1）将彩色图像分为RGB三个通道，对每个通道都添加高斯噪声，这样添加的高斯噪声会在图像上形成彩色的噪点。
（2）将彩色图像从RGB颜色模式转换为YCC颜色模式，对其中的亮度通道添加高斯噪声，而后将YCC颜色模式再转回RGB模式，这样添加的高斯噪声在图像上只会表现出亮度不同的噪点，不对颜色造成影响。
效果如下图：

原始图像：

RGB三通道加高斯噪声图像：
YCC模式下Y道加高斯噪声图像：

OpenCV 代码

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

using namespace cv;
using namespace std;

///
//1. 将彩色图像分为RGB三个通道，对每个通道都添加高斯噪声，这样添加的高斯噪声会在图像上形成彩色的噪点。
// 方法来源：
///
void GaussianNoiseFullChannel(const Mat &src, Mat &dst, double u, double v);


///
//2. 将彩色图像转为YCC颜色模式，分离通道，对Y通道添加高斯噪声，合并通道（噪声图像无颜色变化，有亮度变化）
// 方法来源： https://blog.youkuaiyun.com/cutelily2014/article/details/50253583
///
void GaussianNoiseSingleChannel(const Mat &src, Mat &dst, double u, double v);

int main()
{

	Mat srcImg = imread("C:\\Users\\Wei\\Desktop\\w.jpg",IMREAD_COLOR);//原图
	Mat dstImg1;
	Mat dstImg2;
	double u = 0.0;
	double v = 15.0;
	
	GaussianNoiseFullChannel(srcImg, dstImg1,u,v);
	GaussianNoiseSingleChannel(srcImg, dstImg2, u, v);

	imshow("img", srcImg);//显示噪声图像；
	imshow("Full Channel", dstImg1);//显示噪声图像；
	imshow("Single Channel", dstImg2);//显示噪声图像；

	imwrite("C:\\Users\\Wei\\Desktop\\dstImg1.jpg", dstImg1);
	imwrite("C:\\Users\\Wei\\Desktop\\dstImg2.jpg", dstImg2);

	waitKey(0);
	destroyAllWindows();
	return 0;
}


void GaussianNoiseSingleChannel(const Mat &src, Mat &dst,double u, double v)
{
	if (src.empty() || src.channels() != 3)
	{
		cout << "Image is empty or not 3 channels" << endl;
		return;
	}

	Mat noiseImg(src.size(), CV_64FC1);          //存放噪声图像
	RNG rng((unsigned)time(NULL));               //生成随机数 （均值，高斯）
	rng.fill(noiseImg, RNG::NORMAL, u, v);       //随机高斯填充矩阵

	Mat yccImg;                                  //用来进行对原图像的转换
	cvtColor(src, yccImg, COLOR_BGR2YCrCb);      //色彩空间转换；

	Mat sigImg[3];                               //用来存储单通道图像
	split(yccImg, sigImg);                       //将图像分解到单通道,一幅灰度图像

	sigImg[0].convertTo(sigImg[0], CV_64FC1);    //将uchar转为double
	sigImg[0] = sigImg[0] + noiseImg;            //添加高斯噪声（）
	sigImg[0].convertTo(sigImg[0], CV_8UC1);     //Y通道加高斯噪声后图像,自动截断小于零和大于255的值

	Mat gaussianImg(src.size(), CV_8UC3);        //添加高斯噪声的图像；
	merge(sigImg, 3, gaussianImg);               //和并三个通道
	cvtColor(gaussianImg, dst, COLOR_YCrCb2BGR); //色彩空间转换

	//imshow("noise", sigImg[0]);                //显示噪声图像
}


void GaussianNoiseFullChannel(const Mat &src, Mat &dst,double u,double v) 
{
	if (src.empty() || src.channels() != 3)
	{
		cout << "Image is empty or not 3 channels" << endl;
		return;
	}

	Mat noiseImg(src.size(), CV_64FC3);          //存放噪声图像
	RNG rng((unsigned)time(NULL));               //生成随机数 （均值，高斯）
	rng.fill(noiseImg, RNG::NORMAL, u, v);       //随机高斯填充矩阵

	Mat gaussianImg;
	src.convertTo(gaussianImg, CV_64FC3);        //将uchar转换为double格式
	gaussianImg = gaussianImg + noiseImg;        //添加噪声
	gaussianImg.convertTo(dst, CV_8UC3);         //将double转为uchar 自动截断小于零和大于255的值

}