07.噪声函数合集.py

import cv2 as cv
import numpy as np
from PIL import Image
from skimage import util
import os
'''
def random_noise(image, mode='gaussian', seed=None, clip=True, **kwargs):
功能：为浮点型图片添加各种随机噪声
参数：
image：输入图片（将会被转换成浮点型），ndarray型
mode： 可选择，str型，表示要添加的噪声类型
	gaussian：高斯噪声
	localvar：高斯分布的加性噪声，在“图像”的每个点处具有指定的局部方差。
	poisson：泊松噪声
	salt：盐噪声，随机将像素值变成1
	pepper：椒噪声，随机将像素值变成0或-1，取决于矩阵的值是否带符号
	s&p：椒盐噪声
	speckle：均匀噪声（均值mean方差variance），out=image+n*image
seed： 可选的，int型，如果选择的话，在生成噪声前会先设置随机种子以避免伪随机
clip： 可选的，bool型，如果是True，在添加均值，泊松以及高斯噪声后，会将图片的数据裁剪到合适范围内。如果是False，则输出矩阵的值可能会超出[-1,1]
mean： 可选的，float型，高斯噪声和均值噪声中的mean参数，默认值=0
var：  可选的，float型，高斯噪声和均值噪声中的方差，默认值=0.01（注：不是标准差）
local_vars：可选的，ndarry型，用于定义每个像素点的局部方差，在localvar中使用
amount： 可选的，float型，是椒盐噪声所占比例，默认值=0.05
salt_vs_pepper：可选的，float型，椒盐噪声中椒盐比例，值越大表示盐噪声越多，默认值=0.5，即椒盐等量
--------
返回值：ndarry型，且值在[0,1]或者[-1,1]之间，取决于是否是有符号数
'''

img = cv.imread("lenna.png")                          # 原图
noise_gs_img=util.random_noise(img,mode='gaussian')   # 高斯噪声图  util.random_noise(img,mode='gaussian',mean=0, var=0.01)
noise_ps_img=util.random_noise(img,mode='poisson')   # 泊松噪声图
noise_sp_img=util.random_noise(img,mode='s&p')      # 椒盐噪声图
cv.imshow("img", img)
cv.imshow("gauss",noise_gs_img)
cv.imshow("poisson",noise_ps_img)
cv.imshow("s&p",noise_sp_img)
#cv.imwrite('lenna_noise.png',noise_gs_img)
cv.waitKey(0)
cv.destroyAllWindows()          # #销毁全部窗口

# 保存高斯噪声后的照片
noise_gs_img = noise_gs_img * 255
cv.imwrite("noise_gs_img.png", noise_gs_img)
# 检验保存结果
img1 = cv.imread('noise_gs_img.png')
cv.imshow('noise',img1)
cv.waitKey(0)