第1关：噪声描述器_第1关:噪声描述器-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_73730452/article/details/143692863

任务描述

本关任务：按照要求添加椒盐噪声。

相关知识

本关将介绍数字图像处理中的噪声模型。

图像的噪声

数字图像中的噪声，指在图像的获取和传输过程中，被干扰之后不符合原来的图像内容的像素点。

被认定为噪声的像素点，它的像素值往往和周围的点的像素值极不协调，比如比周围所有的像素点的值都要大很多或者小很多。我们需要用一些数学模型去描述图像中的噪声，常见的有高斯噪声、椒盐噪声等。

所谓模型，指的就是噪声点在原来的图像上是怎么分布的，以及噪声点的像素值的规律。

高斯噪声

高斯噪声几乎是最有名的数字图像噪声了，高斯噪声又叫正态噪声，它的数学公式如下：

p(z)=2πσ1e−(z−zˉ)2/2σ2

p(z)表示像素点z上叠加的噪声的值，sigma（希腊字母这里我们统一使用英文表示）表示图像上所有噪声值的均值。这个公式的意思其实就是所有的噪声点的噪声值符合正态分布：即噪声值都集中在噪声值的均值的两侧的一个范围内，如下图所示：

用`python`表示高斯噪声

程序

在opencv中，我们可以模拟往图像上添加高斯噪声，程序如下所示：

# 使用opencv读取图片
image = cv2.imread("longmao.jpg")
# 将图片的像素值归一化，存入矩阵中
image = np.array(image/255, dtype=float)
# 生成正态分布的噪声，其中0表示均值，0.1表示方差
noise = np.random.normal(0, 0.1, image.shape)
# 将噪声叠加到图片上
out = image + noise
# 将图像的归一化像素值控制在0和1之间，防止噪声越界
out = np.clip(out, 0.0, 1.0)
# 将图像的像素值恢复到0到255之间
out = np.uint8(out*255)
# 展示图片
cv2.imshow("after gauss", out)
# 等待按键的按下
cv2.waitKey()

在上面的程序中，我们先将图片的像素点归一化，则像素值在0到1之间，然后生成高斯噪声：均值是0，方差是0.1，则这个噪声的特点是：噪声值集中在0附近，而且以0为对称轴对称，有正也有负，将噪声叠加到图片上，此时图片的像素值可能大于0或者小于1，所以需要使用clip函数将像素值裁剪到0和1之间。

运行结果

看下运行结果，第一个是原图，第二个是高斯噪声污染的图像：

椒盐噪声

椒盐噪声指的是像图片中添加像素值为0（黑色，胡椒的颜色）的噪声或者像素值为255的噪声（白色，食盐的颜色），它的数学公式如下：

用`python`表示椒盐噪声

程序

在opencv中，我们可以模拟往图像上添加椒盐噪声，示例如下所示：

# 使用opencv读取图片
image = cv2.imread("longmao.jpg")
# 待输出的图片
output = np.zeros(image.shape,np.uint8)
# 椒盐噪声的阈值
prob = 0.2
thres = 1 - prob
# 遍历图像，获取叠加噪声后的图像
for i in range(image.shape[0]):
for j in range(image.shape[1]):
rdn = random.random()
if rdn < prob:
# 添加胡椒噪声
output[i][j] = 0
elif rdn > thres:
# 添加食盐噪声
output[i][j] = 255
else:
# 不添加噪声
output[i][j] = image[i][j]
# 展示图片
cv2.imshow("after gauss", output)
# 等待按键的按下
cv2.waitKey()

我们每遍历到一个像素点，就用随机函数获取一个随机值，如果这个值满足某个条件，则向当前点像素点添加胡椒噪声或者食盐噪声。

运行结果

看下运行结果，第一个是原图，第二个是椒盐噪声污染的图像：

编程要求

根据提示，在右侧编辑器Begin和End之间补充代码，往灰度图片img上添加椒盐噪声，要求在像素值小于100的点上添加食盐噪声，在像素值大于200的点上添加胡椒噪声，其他值的像素点不需要添加噪声，结果图片保存到output。

测试说明

平台会测试添加噪声后的打印结果。

输出结果： 18725817

开始你的任务吧，祝你成功！

# 导入numpy包
import numpy as np
# 导入opencv包
import cv2
# 使用opencv读取图片
image = cv2.imread("/data/workspace/myshixun/step10_zaosheng1/原图/edu.png", cv2.IMREAD_GRAYSCALE)
# 待输出的图片
output = np.zeros(image.shape, np.uint8)

######### Begin ##########
# 遍历图像，获取叠加噪声后的图像
for i in range(image.shape[0]):
    for j in range(image.shape[1]):
        if image[i][j] < 100:
            # 在像素值小于100的点上添加食盐噪声
            output[i][j] = 255
        elif image[i][j] > 200:
            # 在像素值大于200的点上添加胡椒噪声
            output[i][j] = 0
        else:
            # 其他值的像素点不需要添加噪声
            output[i][j] = image[i][j]
######### End ##########

cv2.imwrite("/data/workspace/myshixun/step10_zaosheng1/学员文件/output.jpg", output)
print(np.sum(output))