介紹在之前的教程中，我們分別學(xué)習(xí)了如何給圖像添加鹽噪聲和椒噪聲。理解了這兩種噪聲的生成方式和影響后，接下來(lái)我們將介紹如何同時(shí)給圖像添加椒鹽噪聲，以及如何生成隨機(jī)雜點(diǎn)噪聲。椒鹽噪聲椒鹽噪聲是指圖像中出現(xiàn)

介紹

在之前的教程中，我們分別學(xué)習(xí)了如何給圖像添加鹽噪聲和椒噪聲。理解了這兩種噪聲的生成方式和影響后，接下來(lái)我們將介紹如何同時(shí)給圖像添加椒鹽噪聲，以及如何生成隨機(jī)雜點(diǎn)噪聲。

椒鹽噪聲

椒鹽噪聲是指圖像中出現(xiàn)的隨機(jī)亮點(diǎn)或暗點(diǎn)，給圖像帶來(lái)了不必要的干擾。為了方便測(cè)試處理方法，我們需要能夠控制椒鹽噪聲的比例。除了椒鹽噪聲外，隨機(jī)顏色噪聲也很常見(jiàn)，俗稱(chēng)麻點(diǎn)噪聲。

同時(shí)生成椒鹽噪聲代碼

以下是通過(guò)Python OpenCV實(shí)現(xiàn)同時(shí)生成椒鹽噪聲的代碼：

```python

import cv2 as cv

import numpy as np

image ('')

height [0]

width [1]

channels [2]

pertotal 0.03 總噪聲占比

persalt 0.1 鹽占比

perpep 1 - persalt 椒占比

NoiseImg ()

NoiseNum int(pertotal * height * width)

for i in range(NoiseNum):

rows np.random.randint(0, height - 1)

cols np.random.randint(0, width - 1)

if np.random.randint(0, 100) < persalt * 100:

NoiseImg[rows, cols, 0] 255

NoiseImg[rows, cols, 1] 255

NoiseImg[rows, cols, 2] 255

else:

NoiseImg[rows, cols, 0] 0

NoiseImg[rows, cols, 1] 0

NoiseImg[rows, cols, 2] 0

('SP單項(xiàng)占比NoiseImg', NoiseImg)

cv.waitKey(0)

```

隨機(jī)雜點(diǎn)噪聲

除了椒鹽噪聲外，我們還可以生成隨機(jī)雜點(diǎn)噪聲，通過(guò)調(diào)整噪聲比例來(lái)影響圖像質(zhì)量。以下是隨機(jī)雜點(diǎn)噪聲的代碼示例：

```python

per 0.05 噪聲占比

NoiseImg ()

NoiseNum int(per * 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

('RGBNoiseImg', NoiseImg)

cv.waitKey(0)

```

隨機(jī)麻點(diǎn)噪聲

除了以上介紹的兩種噪聲外，我們還可以生成更為隨機(jī)的麻點(diǎn)噪聲，通過(guò)循環(huán)生成一定數(shù)量的噪點(diǎn)，給圖像增加更多的干擾。

```python

NoiseImg ()

for k in range(5000):

i random.randint(0, [0] - 1)

j random.randint(0, [1] - 1)

color (random.randrange(256), random.randrange(256), random.randrange(256))

NoiseImg[i, j] color

('randomcolorNoize', NoiseImg)

cv.waitKey(0)

```

在本文中，我們介紹了如何同時(shí)生成椒鹽噪聲和隨機(jī)雜點(diǎn)噪聲，以及隨機(jī)麻點(diǎn)噪聲的實(shí)現(xiàn)方法。這些噪聲可以通過(guò)調(diào)整參數(shù)來(lái)控制生成的噪聲比例和數(shù)量，為后續(xù)的濾波處理提供了基礎(chǔ)。通過(guò)低通、高斯、中值濾波等處理方法，可以有效地消除圖像中的噪聲，提升圖像質(zhì)量。