一、椒鹽噪聲

? ?椒鹽噪聲是數字影像中的常見噪聲，一般是影像傳感器、傳輸信道及解碼處理等產生的黑白相間的亮暗點噪聲，椒鹽噪聲常由影像切割產生，椒鹽噪聲是指兩種噪聲：鹽噪聲和椒噪聲，鹽噪聲一般是白色噪聲，椒噪聲一般為黑色噪聲，前者屬于高灰度噪聲，或者屬于低灰度噪聲，一般兩種噪聲同時出現，呈現黑白雜點，去除椒鹽噪聲常用的方法是中值濾波，

二、C++代碼

#include <opencv2\opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

//-----------------------------------椒鹽噪聲函式----------------------------------------------
void saltAndPepper(cv::Mat image, int n)
{
	for (int k = 0; k < n / 2; k++)
	{
		// 隨機確定影像中添加椒鹽噪聲的位置
		int i, j;
		i = std::rand() % image.cols;       // 取余數運算，保證在影像的列數內 
		j = std::rand() % image.rows;       // 取余數運算，保證在影像的行數內 
		int write_black = std::rand() % 2;  // 判定為白色噪聲還是黑色噪聲的變數
		// 添加白色噪聲
		if (write_black == 0)               
		{
			image.at<cv::Vec3b>(j, i)[0] = 255; //cv::Vec3b為opencv定義的一個3個值的向量型別  
			image.at<cv::Vec3b>(j, i)[1] = 255; //[]指定通道，B:0，G:1，R:2  
			image.at<cv::Vec3b>(j, i)[2] = 255;

		}
		// 添加黑色噪聲
		else  
		{
			image.at<cv::Vec3b>(j, i)[0] = 0; //cv::Vec3b為opencv定義的一個3個值的向量型別  
			image.at<cv::Vec3b>(j, i)[1] = 0; //[]指定通道，B:0，G:1，R:2  
			image.at<cv::Vec3b>(j, i)[2] = 0;
		}
	}

}


int main()
{
	Mat lena = imread("qq.jpg");

	if (lena.empty())
	{
		cout << "請確認影像檔案名稱是否正確" << endl;
		return -1;
	}
	imshow("原圖", lena);
	saltAndPepper(lena, 10000);       // 彩色影像添加椒鹽噪聲
	imshow("添加噪聲", lena);

	waitKey(0);

	return 0;
}

三、結果展示

1、原圖

在這里插入圖片描述

2、添加椒鹽噪聲

在這里插入圖片描述

四、python代碼

import numpy as np
import cv2


def salt_pepper_noise(image, prob):
    """
    添加椒鹽噪聲
    :param image: 輸入影像
    :param prob: 噪聲比
    :return: 帶有椒鹽噪聲的影像
    """
    salt = np.zeros(image.shape, np.uint8)
    thres = 1 - prob
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            rdn = np.random.rand()
            if rdn < prob:
                salt[i][j] = 0
            elif rdn > thres:
                salt[i][j] = 255
            else:
                salt[i][j] = image[i][j]
    return salt


src = cv2.imread('qq.jpg')
cv2.namedWindow('input_image', cv2.WINDOW_AUTOSIZE)
cv2.imshow('input_image', src)
tar = salt_pepper_noise(src, 0.01)
cv2.imshow('noise', tar)
cv2.waitKey(0)
cv2.destroyAllWindows()