#讀取圖片
img = cv2.imread("demo.png")
#設(shè)置高斯分布的均值和方差
mean = 0
#設(shè)置高斯分布的標(biāo)準(zhǔn)差
sigma = 25
#根據(jù)均值和標(biāo)準(zhǔn)差生成符合高斯分布的噪聲
gauss = np.random.normal(mean,sigma,(img_height,img_width,img_channels))
#給圖片添加高斯噪聲
noisy_img = image + gauss
#設(shè)置圖片添加高斯噪聲之后的像素值的范圍
noisy_img = np.clip(noisy_img,a_min=0,a_max=255)
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)

#讀取圖片
img = cv2.imread("demo.png")
#設(shè)置添加椒鹽噪聲的數(shù)目比例
s_vs_p = 0.5
#設(shè)置添加噪聲圖像像素的數(shù)目
amount = 0.04
noisy_img = np.copy(image)
#添加salt噪聲
num_salt = np.ceil(amount * image.size * s_vs_p)
#設(shè)置添加噪聲的坐標(biāo)位置
coords = [np.random.randint(0,i - 1, int(num_salt)) for i in image.shape]
noisy_img[coords] = 255
#添加pepper噪聲
num_pepper = np.ceil(amount * image.size * (1. - s_vs_p))
#設(shè)置添加噪聲的坐標(biāo)位置
coords = [np.random.randint(0,i - 1, int(num_pepper)) for i in image.shape]
noisy_img[coords] = 0
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)

#讀取圖片
img = cv2.imread("demo.png")
#計(jì)算圖像像素的分布范圍
vals = len(np.unique(image))
vals = 2 ** np.ceil(np.log2(vals))
#給圖片添加泊松噪聲
noisy_img = np.random.poisson(image * vals) / float(vals)
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)

#讀取圖片
img = cv2.imread("demo.png")
#隨機(jī)生成一個(gè)服從分布的噪聲
gauss = np.random.randn(img_height,img_width,img_channels)
#給圖片添加speckle噪聲
noisy_img = image + image * gauss
#歸一化圖像的像素值
noisy_img = np.clip(noisy_img,a_min=0,a_max=255)
#保存圖片
cv2.imwrite("noisy_img.png",noise_img)