椒鹽噪聲和高斯噪聲

在噪聲的概念中，通常採用信噪比（Signal-Noise Rate, SNR）衡量影象噪聲。通俗的講就是訊號佔多少，噪聲佔多少，SNR越小，噪聲佔比越大。

在訊號系統中，計量單位為dB，為10lg(PS/PN), PS和PN分別代表訊號和噪聲的有效功率。在這裡，採用訊號畫素點的佔比充當SNR，以衡量所新增噪聲的多少。

椒鹽噪聲又稱為脈衝噪聲，它是一種隨機出現的白點（鹽噪聲）或者黑點（椒噪聲）。

高斯噪聲是指它的概率密度函式服從高斯分佈（即正態分佈）的一類噪聲。

原圖：

程式碼：

import cv2
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image
import random

def gasuss_noise(image, mean=0, var=0.001):
    '''
        新增高斯噪聲
        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 sp_noise(image,prob):
    '''
    新增椒鹽噪聲
    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

img = cv2.imread("1.jpg")
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 新增椒鹽噪聲，噪聲比例為 0.02
out1 = sp_noise(img, prob=0.02)
# 新增高斯噪聲，均值為0，方差為0.009
out2 = gasuss_noise(img, mean=0, var=0.009)
cv2.imshow('out1',out1)
cv2.imwrite('sp.png',out1)
cv2.imshow('out2',out2)
cv2.imwrite('gasuss.png',out2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 

實驗結果

高斯（gasuss）

椒鹽（sp）