往图片添加椒盐噪声或高斯噪声

往图片添加椒盐噪声或高斯噪声

椒盐噪声添加

椒盐噪声（salt & pepper noise）是数字图像的一个常见噪声，所谓椒盐，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。椒盐噪声是一种因为信号脉冲强度引起的噪声，产生该噪声的算法也比较简单。

往灰度图添加椒盐噪声

#往灰度图像添加椒盐噪声
# src 输入图像的路径
# dst 输出图像的路径
# prob 噪声的占比
def addSaltPepperNoise_gray(src,dst,probility=0.05,method="salt_pepper"):
    #将图片转换成灰度图
    imarray=np.array(Image.open(src).convert('L'))
    height,width=imarray.shape

    for i in range(height):
        for j in range(width):
            #随机添加椒盐噪声
            if np.random.random(1)<probility:
                if np.random.random(1)<0.05:
                    imarray[i,j]=0
                else:
                    imarray[i,j]=255
    #将生成的椒盐噪声图像添加到
    new_im=Image.fromarray(imarray)
    new_im.save(dst)
    return new_im

往彩色图添加椒盐噪声

def RGBAddNoise(src, dst, prob):  # 同时加杂乱(RGB单噪声)RGB图噪声 prob:噪声占比

    imarray = np.array(Image.open(src))
    height, width, channels = imarray.shape

    # prob = 0.05 #噪声占比 已经比较明显了 >0.1 严重影响画质
    NoiseImg = imarray.copy()
    NoiseNum = int(prob * height * width)
    for i in range(NoiseNum):
        rows = np.random.randint(0, height - 1)
        cols = np.random.randint(0, width - 1)
        channel = np.random.randint(0, 3)
        if np.random.randint(0, 2) == 0:
            NoiseImg[rows, cols, channel] = 0
        else:
            NoiseImg[rows, cols, channel] = 255
    # return NoiseImg
    new_im = Image.fromarray(NoiseImg)
    new_im.save(dst)
    return new_im

高斯噪声添加

高斯噪声是指噪声分布的概率密度函数服从高斯分布（正态分布）的一类噪声，其产生的主要原因是由于相机在拍摄时视场较暗且亮度不均匀造成的，同时相机长时间工作使得温度过高也会引起高斯噪声，另外电路元器件自身噪声和互相影响也是造成高斯噪声的重要原因之一。

往灰度图添加高斯噪声

def addGaussNoiseGray(src,dst,mean,sigma):
    image=cv2.imread(src,cv2.IMREAD_GRAYSCALE)
    height,width=image.shape
    gauss=np.random.normal(mean,sigma,image.shape)
    gauss=gauss.reshape(height,width)
    noiseImage=image+gauss
    noiseImage=np.clip(noiseImage,0,255)
    noiseImage=noiseImage.astype('uint8')

    cv2.imwrite(dst,noiseImage)
    return noiseImage

往彩色图添加高斯噪声

#彩色图像中添加高斯噪声
def addGaussNoiseRgb(src,dst,mean,sigma):
    image=cv2.imread(src)
    height,width,channels=image.shape

    #建立高斯噪声
    gauss=np.random.normal(mean,sigma,(height,width,channels))
    gauss=gauss.reshape(height,width,channels)
    noiseImage=image+gauss

    noiseImage=np.clip(noiseImage,0,255)
    noiseImage=noiseImage.astype('uint8')

    cv2.imwrite(dst,noiseImage)
    return noiseImage

结果展示