Opencv学习笔记09,opencv

1.加高斯噪声

import cv2 as cv
import numpy as np


# 定义一个函数，把加上随机数后的像素值限制在0-255
def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv


def gaussian_noise(image):
    h, w, c = image.shape
    # 每一行每一列加入随机数得到高斯噪声
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)  # 每次产生3个随机数，给三个通道用
            b = image[row, col, 0]  # blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])  # 把随机值加到原像素值上
            image[row, col, 1] = clamp(b + s[1])
            image[row, col, 2] = clamp(b + s[2])
    cv.imshow("noise image", image)


src = cv.imread("C:/Users/ASUS/Desktop/11/2.jpg")  # 从目录中读取图片
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)  # 通过opencv的GUI将图片显示出来
cv.imshow("input image", src)  # 在窗口中将图片显示出来，通过名字“src”找到图片
gaussian_noise(src)
cv.waitKey(0)
cv.destroyAllWindows()

输出：

2.对含有高斯噪点的图像进行高斯迷糊

import cv2 as cv
import numpy as np


# 定义一个函数，把加上随机数后的像素值限制在0-255
def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv


def gaussian_noise(image):
    h, w, c = image.shape
    # 每一行每一列加入随机数得到高斯噪声
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)  # 每次产生3个随机数，给三个通道用
            b = image[row, col, 0]  # blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])  # 把随机值加到原像素值上
            image[row, col, 1] = clamp(b + s[1])
            image[row, col, 2] = clamp(b + s[2])
    cv.imshow("noise image", image)


src = cv.imread("C:/Users/ASUS/Desktop/11/2.jpg")  # 从目录中读取图片
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)  # 通过opencv的GUI将图片显示出来
cv.imshow("input image", src)  # 在窗口中将图片显示出来，通过名字“src”找到图片
gaussian_noise(src)
dst = cv.GaussianBlur(src, (0, 0), 15)  # ksize=(0,0) 和为15
cv.imshow("Gaussian Blur", dst)
cv.waitKey(0)
cv.destroyAllWindows()

输出：

5*5高斯迷糊——对高斯噪声有很好的去除作用

import cv2 as cv
import numpy as np


# 定义一个函数，把加上随机数后的像素值限制在0-255
def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv


def gaussian_noise(image):
    h, w, c = image.shape
    # 每一行每一列加入随机数得到高斯噪声
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)  # 每次产生3个随机数，给三个通道用
            b = image[row, col, 0]  # blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])  # 把随机值加到原像素值上
            image[row, col, 1] = clamp(b + s[1])
            image[row, col, 2] = clamp(b + s[2])
    cv.imshow("noise image", image)


src = cv.imread("C:/Users/ASUS/Desktop/11/2.jpg")  # 从目录中读取图片
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)  # 通过opencv的GUI将图片显示出来
cv.imshow("input image", src)  # 在窗口中将图片显示出来，通过名字“src”找到图片
gaussian_noise(src)
dst = cv.GaussianBlur(src, (5, 5), 0)  # ksize=(0,0) 和为15
cv.imshow("Gaussian Blur", dst)
cv.waitKey(0)
cv.destroyAllWindows()

输出：