1、图像中加入椒盐噪声
椒盐噪声又被称作脉冲噪声，它会随机改变图像中的像素值，是由相机成像、图像传输、解码处理等过程产生的黑白相间的亮暗点噪声，其样子就像在图像上随机的撒上一些盐粒和黑椒粒，因此被称为椒盐噪声。考虑到椒盐噪声会随机产生在图像中的任何一个位置，因此对于椒盐噪声的生成需要使用到OpenCV 4中能够产生随机数的函数rand()，为了能够生成不同数据类型的随机数，该函数拥有多种演变形式。
代码清单5-3 随机数函数原型 1. int cvflann::rand() 2. 3. double cvflann::rand_double(double high = 1.0, 4. double low = 0 5. ) 6. 7. int cvflann::rand_int(int high = RAND_MAX, 8. int low = 0 9. )
-
high：输出随机数的最大值
-
low：输出随机数的最小值
这三个函数都可以用来生成随机数，区别在于第一个函数rand()不需要输入任何的参数，返回的随机数为int类型；第二个函数rand_double()需要输入随机数的上下边界，默认状态下生成的随机数在0到1之间，返回的随机数为double类型；第三个函数rand_int()也需要输入随机数的上下边界，不同的是该函数默认状态下的最大值为RAND_MAX，这是一个由系统定义的宏变量，在笔者的计算机中这个变量表示的是整数32767，该函数会返回的随机数为int类型。这三个函数的功能和使用方式上都比较简单，这里有个小技巧，rand()函数虽然没有给出随机数的取值范围，但是可以采用求取余数的方式来实现对随机数范围的设置，例如使用rand()函数随机生成一个0到100之间的整数，可以使用“int a = rand()%100”语句来实现，因为无论任何数除以100后的余数一定在0到100之间。
在图像中添加椒盐噪声大致分为以下4个步骤：
- Step1：确定添加椒盐噪声的位置。根据椒盐噪声会随机出现在图像中任何一个位置的特性，我们可以通过随机数函数生成两个随机数，分别用于确定椒盐噪声产生的行和列。
- Step2：确定噪声的种类。不仅椒盐噪声的位置是随机的，噪声点是黑色的还是白色的也是随机的，因此可以再次生成的随机数，通过判断随机数的奇偶性确定该像素是黑色噪声点还是白色噪声点。
- Step3：修改图像像素灰度值。判断图像通道数，通道数不同的图像中像素表示白色的方式也不相同。也可以根据需求只改变多通道图像中某一个通道的数值。
- Step4：得到含有椒盐噪声的图像。
代码清单5-4 mySaltAndPepper.cpp图像中添加椒盐噪声
1. #include <opencv2\opencv.hpp>
2. #include <iostream>
3.
4. using namespace cv;
5. using namespace std;
6.
7. //盐噪声函数
8. void saltAndPepper(cv::Mat image, int n)
9. {
10. for (int k = 0; k<n / 2; k++)
11. {
12. //随机确定图像中位置
13. int i, j;
14. i = std::rand() % image.cols; //取余数运算，保证在图像的列数内
15. j = std::rand() % image.rows; //取余数运算，保证在图像的行数内
16. int write_black = std::rand() % 2; //判定为白色噪声还是黑色噪声的变量
17. if (write_black == 0) //添加白色噪声
18. {
19. if (image.type() == CV_8UC1) //处理灰度图像
20. {
21. image.at<uchar>(j, i) = 255; //白色噪声
22. }
23. else if (image.type() == CV_8UC3) //处理彩色图像
24. {
25. image.at< Vec3b>(j, i)[0] = 255; //Vec3b为opencv定义的3个值的向量类型
26. image.at<Vec3b>(j, i)[1] = 255; //[]指定通道，B:0，G:1，R:2
27. image.at<Vec3b>(j, i)[2] = 255;
28. }
29. }
30. else //添加黑色噪声
31. {
32. if (image.type() == CV_8UC1)
33. {
34. image.at<uchar>(j, i) = 0;
35. }
36. else if (image.type() == CV_8UC3)
37. {
38. image.at< Vec3b>(j, i)[0] = 0; //Vec3b为opencv定义的3个值的向量类型
39. image.at<Vec3b>(j, i)[1] = 0; //[]指定通道，B:0，G:1，R:2
40. image.at<Vec3b>(j, i)[2] = 0;
41. }
42. }
43.
44. }
45. }
46.
47. int main()
48. {
49. Mat lena = imread("lena.png");
50. Mat equalLena = imread("equalLena.png", IMREAD_ANYDEPTH);
51. if (lena.empty()||equalLena.empty())
52. {
53. cout << "请确认图像文件名称是否正确" << endl;
54. return -1;
55. }
56. imshow("lena原图", lena);
57. imshow("equalLena原图", equalLena);
58. saltAndPepper(lena, 10000); //彩色图像添加椒盐噪声
59. saltAndPepper(equalLena, 10000); //灰度图像添加椒盐噪声
60. imshow("lena添加噪声", lena);
61. imshow("equalLena添加噪声", equalLena);
62. waitKey(0);
63. return 0;
64. }
2、图像中加入高斯噪声
代码清单5-5 fill()函数原型 1. void cv::RNG::fill(InputOutputArray mat, 2. int distType, 3. InputArray a, 4. InputArray b, 5. bool saturateRange = false 6. )
-
mat：用于存放随机数的矩阵，目前只支持低于5通道的矩阵。
-
distType：随机数分布形式选择标志，目前生成的随机数支持均匀分布（RNG::UNIFORM，0）和高斯分布（RNG::NORMAL，1）。
-
a：确定分布规律的参数。当选择均匀分布时，该参数表示均匀分布的最小下限；当选择高斯分布时，该参数表示高斯分布的均值。
-
b：确定分布规律的参数。当选择均匀分布时，该参数表示均匀分布的最大上限；当选择高斯分布时，该参数表示高斯分布的标准差。
-
saturateRange：预饱和标志，仅用于均匀分布。
该函数用于生成指定分布形式的随机数填充矩阵，可以生成符合均匀分布的随机数和符合高斯分布随机数。函数的第一个参数输入用于存储生成随机数的矩阵，但是矩阵的通道数必须小于等于4。第二个参数是选择随机数分布形式的标志，该函数目前只支持两种分布形式，分别是均匀分布（RNG::UNIFORM，简记0）和高斯分布（RNG::NORMAL，简记1）。函数的第三个和第四个参数为确定随机数分布规律的参数，第三个参数在均匀分布时表示均匀分布的最小下限，在高斯分布时表示高斯分布的均值；第四个参数在均匀分布时表示均匀分布的最大上限，在高斯分布时表示高斯分布的标准差。最后一个参数是预饱和标志，仅用于均匀分布，我们使用其默认式即可。需要注意的是该函数属于OpenCV 4的RNG类，是一个非静态成员函数，因此在使用的时候不能像使用正常函数一样的直接使用，而需要首先创建一个RNG类的变量，之后通过访问这个变量中函数进行调用这个函数，具体使用方式在代码清单5-6中给出。
代码清单5-6 RNG::fill()函数的使用 1. cv::RNG rng; 2. rng.fill(mat, RNG::NORMAL, 10, 20);
在图像中添加高斯噪声大致分为以下4个步骤：
- Step1：首先需要创建一个与图像尺寸、数据类型以及通道数相同的Mat类变量.
- Step2：通过调用fill()函数在Mat类变量中产生符合高斯分布的随机数。
- Step3：将原图像和含有高斯分布的随机数矩阵相加。
- Step4：得到添加高斯噪声之后的图像。
代码清单5-7 myGaussNoise.cpp图像中添加高斯噪声
1. #include <opencv2\opencv.hpp>
2. #include <iostream>
3.
4. using namespace cv;
5. using namespace std;
6.
7. int main()
8. {
9. Mat lena = imread("lena.png");
10. Mat equalLena = imread("equalLena.png", IMREAD_ANYDEPTH);
11. if (lena.empty()||equalLena.empty())
12. {
13. cout << "请确认图像文件名称是否正确" << endl;
14. return -1;
15. }
16. //生成与原图像同尺寸、数据类型和通道数的矩阵
17. Mat lena_noise = Mat::zeros(lena.rows, lena.cols, lena.type());
18. Mat equalLena_noise = Mat::zeros(lena.rows, lena.cols, equalLena.type());
19. imshow("lena原图", lena);
20. imshow("equalLena原图", equalLena);
21. RNG rng; //创建一个RNG类
22. rng.fill(lena_noise, RNG::NORMAL, 10, 20); //生成三通道的高斯分布随机数
23. rng.fill(equalLena_noise, RNG::NORMAL, 15, 30); //生成三通道的高斯分布随机数
24. imshow("三通道高斯噪声", lena_noise);
25. imshow("单通道高斯噪声", equalLena_noise);
26. lena = lena + lena_noise; //在彩色图像中添加高斯噪声
27. equalLena = equalLena + equalLena_noise; //在灰度图像中添加高斯噪声
28. //显示添加高斯噪声后的图像
29. imshow("lena添加噪声", lena);
30. imshow("equalLena添加噪声", equalLena);
31. waitKey(0);
32. return 0;
33. }
标签：27,函数,int,噪声,随机数,图像,高斯分布 From： https://www.cnblogs.com/okmai77xue/p/17305701.html