1

2

3

4

5

6

7

8

9

10

11

12

13

14

#读取图片

img = cv2.imread("demo.png")

#设置高斯分布的均值和方差

mean = 0

#设置高斯分布的标准差

sigma = 25

#根据均值和标准差生成符合高斯分布的噪声

gauss = np.random.normal(mean,sigma,(img_height,img_width,img_channels))

#给图片添加高斯噪声

noisy_img = image + gauss

#设置图片添加高斯噪声之后的像素值的范围

noisy_img = np.clip(noisy_img,a_min=0,a_max=255)

#保存图片

cv2.imwrite("noisy_img.png",noise_img)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

#读取图片

img = cv2.imread("demo.png")

#设置添加椒盐噪声的数目比例

s_vs_p = 0.5

#设置添加噪声图像像素的数目

amount = 0.04

noisy_img = np.copy(image)

#添加salt噪声

num_salt = np.ceil(amount * image.size * s_vs_p)

#设置添加噪声的坐标位置

coords = [np.random.randint(0,i - 1, int(num_salt)) for i in image.shape]

noisy_img[coords] = 255

#添加pepper噪声

num_pepper = np.ceil(amount * image.size * (1. - s_vs_p))

#设置添加噪声的坐标位置

coords = [np.random.randint(0,i - 1, int(num_pepper)) for i in image.shape]

noisy_img[coords] = 0

#保存图片

cv2.imwrite("noisy_img.png",noise_img)

1

2

3

4

5

6

7

8

9

#读取图片

img = cv2.imread("demo.png")

#计算图像像素的分布范围

vals = len(np.unique(image))

vals = 2 ** np.ceil(np.log2(vals))

#给图片添加泊松噪声

noisy_img = np.random.poisson(image * vals) / float(vals)

#保存图片

cv2.imwrite("noisy_img.png",noise_img)

1

2

3

4

5

6

7

8

9

10

#读取图片

img = cv2.imread("demo.png")

#随机生成一个服从分布的噪声

gauss = np.random.randn(img_height,img_width,img_channels)

#给图片添加speckle噪声

noisy_img = image + image * gauss

#归一化图像的像素值

noisy_img = np.clip(noisy_img,a_min=0,a_max=255)

#保存图片

cv2.imwrite("noisy_img.png",noise_img)