【从零学习OpenCV 4】图像中添加椒盐噪声

小白学视觉

发布于 2019-12-24 18:53:21

1.9K0

发布于 2019-12-24 18:53:21

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

椒盐噪声又被称作脉冲噪声，它会随机改变图像中的像素值，是由相机成像、图像传输、解码处理等过程产生的黑白相间的亮暗点噪声，其样子就像在图像上随机的撒上一些盐粒和黑椒粒，因此被称为椒盐噪声。目前为止OpenCV 4中没有提供专门用于为图像添加椒盐噪声的函数，需要使用者根据自己需求去编写生成椒盐噪声的程序，本小节将会带领读者一起实现在图像中添加椒盐噪声。

考虑到椒盐噪声会随机产生在图像中的任何一个位置，因此对于椒盐噪声的生成需要使用到OpenCV 4中能够产生随机数的函数rand()，为了能够生成不同数据类型的随机数，该函数拥有多种演变形式，在代码清单5-3中给出了这几种形式的函数原型。

代码清单5-3 随机数函数原型
1.  int cvflann::rand()
2.  
3.  double cvflann::rand_double(double  high = 1.0,
4.                                    double  low = 0 
5.                                    )
6.  
7.  int cvflann::rand_int(int  high = RAND_MAX,
8.                            int  low = 0 
9.                            )

high：输出随机数的最大值
low：输出随机数的最小值

这三个函数都可以用来生成随机数，区别在于第一个函数rand()不需要输入任何的参数，返回的随机数为int类型；第二个函数rand_double()需要输入随机数的上下边界，默认状态下生成的随机数在0到1之间，返回的随机数为double类型；第三个函数rand_int()也需要输入随机数的上下边界，不同的是该函数默认状态下的最大值为RAND_MAX，这是一个由系统定义的宏变量，在笔者的计算机中这个变量表示的是整数32767，该函数会返回的随机数为int类型。这三个函数的功能和使用方式上都比较简单，这里有个小技巧，rand()函数虽然没有给出随机数的取值范围，但是可以采用求取余数的方式来实现对随机数范围的设置，例如使用rand()函数随机生成一个0到100之间的整数，可以使用“int a = rand()%100”语句来实现，因为无论任何数除以100后的余数一定在0到100之间。

注意

该函数与之前所有的函数不相同之处在于该函数并不在cv的命名空间中，而是在cvflann类中，因此在使用的时候一定要在函数前添加前缀，如cvflann::rand()。有些读者在使用rand()函数时不添加cvflann命名空间的前缀也可以使用，是因为该函数不仅在OpenCV 4中有，在stdlib.h头文件中同样有这个函数，只有在函数前面添加了命名空间前缀时使用的才是OpenCV 4中的随机数生成函数。

了解随机函数之后，在图像中添加椒盐噪声大致分为以下4个步骤

Step1：确定添加椒盐噪声的位置。根据椒盐噪声会随机出现在图像中任何一个位置的特性，我们可以通过随机数函数生成两个随机数，分别用于确定椒盐噪声产生的行和列。

Step2：确定噪声的种类。不仅椒盐噪声的位置是随机的，噪声点是黑色的还是白色的也是随机的，因此可以再次生成的随机数，通过判断随机数的奇偶性确定该像素是黑色噪声点还是白色噪声点。

Step3：修改图像像素灰度值。判断图像通道数，通道数不同的图像中像素表示白色的方式也不相同。也可以根据需求只改变多通道图像中某一个通道的数值。

Step4：得到含有椒盐噪声的图像。

依照上述思想，在代码清单5-4中给出在图像中添加椒盐噪声的示例程序，程序中判断了输入图像是灰度图还是彩色图，但是没有对彩色图像的单一颜色通道产生椒盐噪声。如果需要对某一通道产生椒盐噪声，只需要单独处理彩色图像每个通道即可。程序在图像中添加椒盐噪声的结果如图5-6、图5-7所示，由于椒盐噪声是随机添加的，因此每次运行结果会有所差异。

代码清单5-4 mySaltAndPepper.cpp图像中添加椒盐噪声
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  
4.  using namespace cv;
5.  using namespace std;
6.  
7.  //盐噪声函数
8.  void saltAndPepper(cv::Mat image, int n)
9. {
10.    for (int k = 0; k<n / 2; k++)
11.    {
12.      //随机确定图像中位置
13.      int i, j;
14.      i = std::rand() % image.cols; //取余数运算，保证在图像的列数内
15.      j = std::rand() % image.rows; //取余数运算，保证在图像的行数内
16.      int write_black = std::rand() % 2; //判定为白色噪声还是黑色噪声的变量
17.      if (write_black == 0) //添加白色噪声
18.      {
19.        if (image.type() == CV_8UC1) //处理灰度图像
20.        {
21.          image.at<uchar>(j, i) = 255; //白色噪声
22.        }
23.        else if (image.type() == CV_8UC3) //处理彩色图像
24.        {
25.          image.at< Vec3b>(j, i)[0] = 255; //Vec3b为opencv定义的3个值的向量类型
26.          image.at<Vec3b>(j, i)[1] = 255; //[]指定通道，B:0，G:1，R:2
27.          image.at<Vec3b>(j, i)[2] = 255;
28.        }
29.      }
30.      else  //添加黑色噪声
31.      {
32.        if (image.type() == CV_8UC1)
33.        {
34.          image.at<uchar>(j, i) = 0;
35.        }
36.        else if (image.type() == CV_8UC3)
37.        {
38.          image.at< Vec3b>(j, i)[0] = 0; //Vec3b为opencv定义的3个值的向量类型
39.          image.at<Vec3b>(j, i)[1] = 0; //[]指定通道，B:0，G:1，R:2
40.          image.at<Vec3b>(j, i)[2] = 0;
41.        }
42.      }
43.  
44.    }
45.  }
46.  
47.  int main()
48. {
49.    Mat lena = imread("lena.png");
50.    Mat equalLena = imread("equalLena.png", IMREAD_ANYDEPTH);
51.    if (lena.empty()||equalLena.empty())
52.    {
53.      cout << "请确认图像文件名称是否正确" << endl;
54.      return -1;
55.    }
56.    imshow("lena原图", lena);
57.    imshow("equalLena原图", equalLena);
58.    saltAndPepper(lena, 10000); //彩色图像添加椒盐噪声
59.    saltAndPepper(equalLena, 10000); //灰度图像添加椒盐噪声
60.    imshow("lena添加噪声", lena);
61.    imshow("equalLena添加噪声", equalLena);
62.    waitKey(0);
63.    return 0;
64.  }