python给图像添加噪声(高斯噪声、椒盐噪声)

该博客介绍了如何使用Python的skimage库为图像添加高斯噪声和椒盐噪声。首先,通过pip安装skimage库,然后遍历指定文件夹中的图片,将图片转换为适合处理的格式,接着调用util.random_noise()函数分别添加两种类型的噪声,并将处理后的图像保存。文章以索隆的图片为例展示了噪声添加前后的效果,是图像处理学习的一个实践记录。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

方法

1、首先我们要用到 skimage 第三方库,安装方法:

pip install scikit-image

2、代码部分,我们使用数据批处理方式:

from PIL import Image
from skimage import util, img_as_float, io    # 导入所需要的 skimage 库
import os

old_path = r"E:\relate_code\frame_resize"    # 原始文件路径
save_path = r"E:\relate_code\frame_save"     # 需要存储的文件路径

file_list = os.walk(old_path)

for root, dirs, files in file_list:
    for file in files:
        pic_path = os.path.join(root, file)    # 每一个图片的绝对路径
        # 读取图像
        img_org = Image.open(pic_path)         
        # 转换为 skimage 可操作的格式
        img = img_as_float(img_org)	
        
        image_gaussian = util.random_noise(img, mode="gaussian")      # 加高斯噪声
        image_sp = util.random_noise(img, mode="s&p")             # 加椒盐噪声

        # 存储文件到新的路径中,并修改文件名
        io.imsave(os.path.join(save_path, file[:-4] + "-guassian.jpg"), image_gaussian)  
        io.imsave(os.path.join(save_path, file[:-4] + "-sp.jpg"), image_sp)  

其中,用到的核心函数是 util.random_noise() 函数。

3、最后拿索隆做一下效果对比。

原图

请添加图片描述

添加高斯噪声

请添加图片描述

添加椒盐噪声

请添加图片描述

日常学习记录,一起交流讨论吧!侵权联系~

要给图像高斯噪声和去噪,我们可以使用Python中的OpenCV库。首先,我们需要导入必要的库和图像。 ```python import cv2 import numpy as np # 加载图像 image = cv2.imread('image.jpg') ``` 接下来,我们可以通过使用`cv2.randn()`函数来添加高斯噪声。该函数可以生成一个具有指定均值和标准差的随机高斯数组,与原始图像尺寸相同。 ```python # 生成高斯噪声 mean = 0 std_deviation = 50 gaussian_noise = np.zeros(image.shape, np.uint8) cv2.randn(gaussian_noise, mean, std_deviation) ``` 可以调整`mean`和`std_deviation`的值来控制噪声的强度。生成的高斯噪声数组与原始图像相加。 ```python # 添加高斯噪声图像 noisy_image = cv2.add(image, gaussian_noise) ``` 现在图像添加高斯噪声。如果要将其去噪,可以使用OpenCV库中的`cv2.fastNlMeansDenoising()`函数。 ```python # 去噪 denoised_image = cv2.fastNlMeansDenoisingColored(noisy_image, None, 10, 10, 7, 21) ``` 在这里,我们使用了`cv2.fastNlMeansDenoisingColored()`函数来对带有高斯噪声的彩色图像进行去噪。该函数采用一些参数,如去噪强度、空间窗口大小和色彩距离权重等。您可以根据需要调整这些参数。 最后,可以使用`cv2.imshow()`函数显示添加高斯噪声和去噪后的图像。 ```python # 显示结果 cv2.imshow('Original Image', image) cv2.imshow('Noisy Image', noisy_image) cv2.imshow('Denoised Image', denoised_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 通过运行以上代码,您将能够在显示窗口中看到原始图像添加高斯噪声图像和经过去噪处理的图像
评论 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

WYKB_Mr_Q

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值