首页 > 代码库 > 椒盐噪声
椒盐噪声
椒盐噪声
图像噪声之椒盐噪声(Salt And Pepper Noise)
概述:
椒盐噪声(salt & pepper noise)是数字图像的一个常见噪声,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。椒盐噪声是一种由于信号脉冲强度引起的噪声,产生该噪声的算法也比較简单。
算法步骤:
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,有一种方法能够近似预计图象信噪比,即信号与噪声的方差之比。首先计算图象全部象素的局部方差。将局部方差的最大值觉得是信号方差,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。
假设是灰度图像的话,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过程例如以下:
- (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一个像素位置P(i, j)
- (4)指定像素值为255或者0。
- (5)反复3,4两个步骤完毕全部像素的NP个像素
- (6)输出加噪以后的图像
编程实例:
为简单起见,直接使用灰度图进行測试。彩色图的原理是同样的。
# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
from numpy import*
#读取图片,灰度化,并转为数组
img = im = array(Image.open(‘./source/test.jpg‘).convert(‘L‘))
#信噪比
SNR = 0.6
#计算总像素数目 SP, 得到要加噪的像素数目 NP = SP * (1-SNR)
noiseNum=int((1- SNR)*img.shape[0]*img.shape[1])
#于随机位置将像素值随机指定为0或者255
for i in range(noiseNum):
randX=random.random_integers(0,img.shape[0]-1)
randY=random.random_integers(0,img.shape[1]-1)
if random.random_integers(0,1)==0:
img[randX,randY]=0
else:
img[randX,randY]=255
#显示图像
gray()
imshow(img)
show()
执行结果:
原图
SNR = 0.8
SNR = 0.6
SNR = 0.4
结语:
本篇博客主要介绍了椒盐噪声这样的常见的图像噪声。希望对大家有所帮助~
椒盐噪声
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。