数字图像处理之椒盐噪声和中值滤波

0、所有的代码基于python3 + opecv3.3

1、椒盐噪声和中值滤波

椒盐噪声（salt-and-pepper noise）是由图像传感器，传输信道，解码处理等产⽣的⿊⽩相间的亮暗点噪声。

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。

椒盐噪声往往由图像切割引起，去除脉冲⼲扰及椒盐噪声最常⽤的算法是中值滤波。⼤量的实验研究发现，由摄像机拍摄得到的图像受离散的脉冲、椒盐噪声和零均值的⾼斯噪声的影响较严重。噪声给图像处理带来很多困难，对图像分割、特征提取、图像识别等具有直接影响。因此，实时采集的图像需进⾏滤波处理。消除图像中的噪声成份叫做图像的平滑化或滤波操作。滤波的⽬的有两个：⼀是抽出对象的特征作为图像识别的特征模式；⼆是为适应计算机处理的要求，消除图像数字化时所混⼊的噪声。对滤波处理的要求有两条：⼀是不能损坏图像轮廓及边缘等重要信息；⼆是使图像清晰，视觉效果好。

我们使⽤信噪⽐（Signal NoiseRate）衡量图像噪声，图象的信噪⽐应该等于信号与噪声的功率谱之⽐，

但通常功率谱难以计算，有⼀种⽅法可以近似估计图象信噪⽐，即信号与噪声的⽅差之⽐（其实在均值为零的情况下，功率就是⽅差）。⾸先计算图象所有像素的局部⽅差，将局部⽅差的最⼤值认为是信号⽅差，最⼩值是噪声⽅差，求出它们的⽐值，再转成dB数，最后⽤经验公式修正。伤怀之美

如果是灰度图像的话，SNR=（洁净图⽚中的像素点的灰度值之和）/abs（噪声图⽚的灰度值之和-洁净图⽚中的灰度值之和）为该图像的信噪⽐。

给⼀副数字图像加上椒盐噪声的步骤如下：

1. 指定信噪⽐ SNR （其取值范围在[0, 1]之间）

2. 计算总像素数⽬ SP，得到要加噪的像素数⽬ NP = SP * (1-SNR)

3. 随机获取要加噪的每个像素位置P（i, j）

4. 指定像素值为255或者0。

crb指数5. 重复3,4两个步骤完成所有像素的NP个像素

6. 输出加噪以后的图像

执⾏效果如下

原始图像：

信噪⽐为0.9的时候：

import cv2

import numpy as np

filename = "d:/1.jpg"

winname = "figure"

龚绮img = cv2.imread(filename)

def addSaltNoise ():

# 指定信噪⽐

SNR = 0.9

# 获取总共像素个数

size = img.size

# 因为信噪⽐是 SNR ，所以噪声占据百分之10，所以需要对这百分之10加噪声 noiseSize = int(size * (1 - SNR))

# 对这些点加噪声

for k in range(0, noiseSize):

摇滚狂潮# 随机获取某个点

xi = int(np.random.uniform(0, img.shape[1]))

xj = int(np.random.uniform(0, img.shape[0]))

# 增加噪声

if img.ndim == 2:

img[xj, xi] = 255

蛲虫卵

elif img.ndim == 3:

img[xj, xi] = 0

cv2.imshow(winname, img)

cv2.waitKey(0)

def main ():

addSaltNoise()

if __name__ == '__main__':

main()

信噪⽐为0.7的时候：

信噪⽐为0.5的时候：

信噪⽐为0.1的时候：

通过对已经被椒盐噪声污染的图⽚进⾏中值滤波

import cv2

import numpy as np

def addSaltNoise(img,snr):

# 指定信噪⽐

SNR = snr

# 获取总共像素个数

size = img.size

# 因为信噪⽐是 SNR ，所以噪声占据百分之10，所以需要对这百分之10加噪声

noiseSize = int(size * (1 - SNR))

# 对这些点加噪声

for k in range(0, noiseSize):

# 随机获取某个点

xi = int(np.random.uniform(0, img.shape[1]))

xj = int(np.random.uniform(0, img.shape[0]))

# 增加噪声

if img.ndim == 2:

img[xj, xi] = 255

elif img.ndim == 3:

img[xj, xi] = 0

return img

def removeSaltNoise():

filename = "d:/1.jpg"

# 得到加噪声之后的图像

img = addSaltNoise(cv2.imread(filename),0.9)

# 进⾏中值滤波

lbimg = dianBlur(img, 3)

cv2.imshow('src', img)

cv2.imshow('dst', lbimg)

cv2.waitKey(0)

def main():

removeSaltNoise()

if __name__ == '__main__':

布里渊散射

main()

效果如下：

被污染之后的图像（信噪⽐0.9的椒盐噪声）：

本文发布于:2024-09-23 11:26:40，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/116595.html

上一篇：常见的噪声：高斯、泊松和椒盐噪声

下一篇：python-opencv图像处理基础（二）高斯噪声+椒盐噪声+滤波

标签：噪声图像椒盐

留言与评论（共有 0 条评论）