一、在開始之前

知識點

本次教程涉及到的知識點：
噪聲：
噪聲可以理解為灰度值的隨機變化，即拍照程序中引入的一些不想要的像素點，噪聲可分為椒鹽噪聲，高斯噪聲，加性噪聲和乘性噪聲等
高斯噪聲Gaussian noise：
指服從高斯分布（正態分布）的一類噪聲，通常是因為不良照明和高溫引起的傳感器噪聲，通常在RGB影像中，顯現比較明顯
椒鹽噪聲Salt and pepper noise：
椒鹽噪聲也稱為脈沖噪聲，是影像中經常見到的一種噪聲，它是一種隨機出現的白點或者黑點，可能是亮的區域有黑色像素或是在暗的區域有白色像素（或是兩者皆有），椒鹽噪聲的成因可能是影像訊號受到突如其來的強烈干擾而產生、類比數位轉換器或位元傳輸錯誤等，；
噪聲主要通過平滑進行抑制和去除，包括基于二維離散卷積的高斯平滑，均值平滑，基于統計學的中值平滑，以及能夠保持影像邊緣的雙邊濾波，導向濾波演算法等

碼云代碼地址：https://gitee.com/steveqobs/opencv
chapter4

二、開始

import cv2
import numpy as np
import random

先定義三個函式，后面呼叫

def sp_noise(image, prob):
    # 添加椒鹽噪聲
    # prob:噪聲比例
    output = np.zeros(image.shape, np.uint8)
    thres = 1 - prob
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            rdn = random.random()
            if rdn < prob:
                output[i][j] = 0
            elif rdn > thres:
                output[i][j] = 255
            else:
                output[i][j] = image[i][j]
    return output


def gaussian_noise(image, mean=0, var=0.001):
    # 添加高斯噪聲
    # mean : 均值
    # var : 方差
    image = np.array(image / 255, dtype=float)
    noise = np.random.normal(mean, var ** 0.5, image.shape)
    out = image + noise
    if out.min() < 0:
        low_clip = -1.
    else:
        low_clip = 0.
    out = np.clip(out, low_clip, 1.0)
    out = np.uint8(out * 255)
    return out


def sharpen(image):
    # 銳化
    kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32) 
    out = cv2.filter2D(image, -1, kernel=kernel)
    return out

三、對一副影像加高斯噪聲、椒鹽

以下代碼對影像添加了噪聲，并顯示原圖和已經加噪聲的圖片，進行對比，
sp_noise(src, 0.05)和gaussian_noise(src, 0.1, 0.03)的數字引數可自行調整查看變化

src = cv2.imread('img/lena.png')
img_sp = sp_noise(src, 0.05)
img_gaussian = gaussian_noise(src, 0.1, 0.03)

cv2.imshow('src', src)
cv2.imshow('img_sp', img_sp)
cv2.imshow('img_gaussian', img_gaussian)
cv2.waitKey(0)

下面顯示的依次是原圖、椒鹽噪聲、高斯噪聲
在這里插入圖片描述

四、對已加高斯噪聲、椒鹽的影像進行平滑、銳化處理

1、對已加高斯噪聲、椒鹽的影像進行平滑處理

注意這里的代碼要和上面的連貫，平滑處理的是已經加了噪聲的img_sp,
可以更換平滑的方法和引數，看一下不同的效果

# cv2.medianBlur是中值平滑，blur()是均值平滑，gaussianianBlur()高斯平滑
# https://www.cnblogs.com/silence-cho/p/11027218.html有對各種平滑函式有詳細講解
# cv2.medianBlur的第二個引數5，可以修改 數字不一樣 平滑效果也不一樣
img_sp_medianblur = cv2.medianBlur(img_sp,5)
img_gaussian_medianblur = cv2.medianBlur(img_gaussian, 5)
# img_gaussian_gaussianBlur= cv2.gaussianBlur(img_gaussian,(0,0),2)

# 下面把有椒鹽噪聲的圖片和對它進行平滑的圖片 對比
cv2.imshow('img_sp', img_sp)
cv2.imshow('img_sp_medianblur', img_sp_medianblur)

# 下面把有椒鹽噪聲的圖片和對它進行平滑的圖片 對比
cv2.imshow('img_gaussian', img_gaussian)
cv2.imshow('img_gaussian_medianblur', img_gaussian_medianblur)
cv2.waitKey(0)

下圖是椒鹽噪聲和平滑處理的對比圖

下圖是高斯噪聲和平滑處理的對比圖
在這里插入圖片描述

1、對已加高斯噪聲、椒鹽的影像進行銳化處理

img_sharpen=sharpen(src)
img_sp_sharpen=sharpen(img_sp)
img_gaussian_sharpen=sharpen(img_gaussian)
# img_sp_medianblur_sharpen=sharpen(img_sp_medianblur)
# img_gaussian_medianblur_sharpen=sharpen(img_gaussian_medianblur)
cv2.imshow('img_sharpen', img_sharpen)
cv2.imshow('img_sp_sharpen', img_sp_sharpen)
cv2.imshow('img_gaussian_sharpen', img_gaussian_sharpen)
# cv2.imshow('img_sp_medianblur_sharpen', img_sp_medianblur_sharpen)
# cv2.imshow('img_gaussian_medianblur_sharpen', img_gaussian_medianblur_sharpen)
cv2.waitKey(0)