噪声
图像常常受到一些随机误差的影响而退化,我们通常称这个退化为噪声。在图像的捕获、传输或者处理过程中都有可能产生噪声,噪声可能是依赖于图像内容,可能无关。
噪声一般由其频率的特征来刻画,理想的噪声称为白噪声,高斯噪声就属于白噪声的一种,为白噪声的一个特例。服从高斯(正态)分布,在一维的情况下,概率密度函数为
高斯分布一维概率密度.gif
加性噪声,在图像通过信号传输的时候,产生的噪声一般与图像信号无关,这种独立于信号的退化称为加性噪声,模型表示为
加性噪声模型.gif
产生加性零均值高斯噪声
代码实现
#include<opencv2/opencv.hpp>#include <random>namespace mycv { const double pi = 3.1415926; void createGaussianNoise(cv::Mat& src, cv::Mat& dst) { dst = src.clone(); //1、灰阶范围[0, G - 1], 取sigma > 0; sigma越小噪声越小 const int G = 256; double sigma = 20; for(int i = 0; i < src.rows; ++i) for (int j = 0; j < src.cols - 1; ++j) { //2、产生位于[0, 1]独立随机数gamma、phi std::random_device rd; std::mt19937 gen(rd()); double gamma = std::generate_canonical<double, 2>(gen); double phi = std::generate_canonical<double, 2>(gen); //3、计算z1、z2 double z1 = sigma * std::cos(2 * pi*phi)*std::sqrt(-2 * std::log(gamma)); double z2 = sigma * std::sin(2 * pi*phi)*std::sqrt(-2 * std::log(gamma)); //4、 double tmpxy = src.at<uchar>(i, j) + z1; double tmpxy1 = src.at<uchar>(i, j + 1) + z2; //5 if (tmpxy < 0) dst.at<uchar>(i, j) = 0; else if (tmpxy > G - 1) dst.at<uchar>(i, j) = G - 1; else dst.at<uchar>(i, j) = static_cast<int>(tmpxy); if (tmpxy1 < 0) dst.at<uchar>(i, j + 1) = 0; else if (tmpxy > G - 1) dst.at<uchar>(i, j + 1) = G - 1; else dst.at<uchar>(i, j + 1) = static_cast<int>(tmpxy1); } } }//mycvint main(void) { cv::Mat src = cv::imread("lena.jpg", 0); if (src.empty()) return -1; cv::Mat dst; mycv::createGaussianNoise(src, dst); cv::imshow("src", src); cv::imshow("dst", dst); cv::waitKey(0); return 0; }//main
作者:芒果浩明
链接:https://www.jianshu.com/p/c5385e2d760c
点击查看更多内容
为 TA 点赞
评论
共同学习,写下你的评论
评论加载中...
作者其他优质文章
正在加载中
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦