Python实现对图像加噪(高斯噪声椒盐噪声)
目录
内容简介
加噪声的代码（高斯噪声，椒盐噪声)
在pytorch中如何使用
补充
内容简介展示如何给图像叠加不同等级的椒盐噪声和高斯噪声的代码，相应的叠加噪声的已编为对应的类，可实例化使用。以下主要展示自己编写的：
加噪声的代码（高斯噪声，椒盐噪声)add_noise.py
#代码中的noisef为信号等级，例如我需要0.7的噪声，传入参数我传入的是1-0.7
from PIL import Image
import numpy as np
import random
import torchvision.transforms as transforms
norm_mean = (0.5, 0.5, 0.5)
norm_std = (0.5, 0.5, 0.5)
class AddPepperNoise(object):
"""增加椒盐噪声
Args:
snr （float）: Signal Noise Rate
p (float): 概率值，依概率执行该操作
"""
def __init__(self, snr, p=0.9):
assert isinstance(snr, float) and (isinstance(p, float)) # 2020 07 26 or --> and
self.snr = snr
self.p = p
def __call__(self, img):
"""
Args:
img (PIL Image): PIL Image
Returns:
PIL Image: PIL image.
"""
if random.uniform(0, 1) < self.p:
img_ = np.array(img).copy()
h, w, c = img_.shape
signal_pct = self.snr
noise_pct = (1 - self.snr)
mask = np.random.choice((0, 1, 2), size=(h, w, 1), p=[signal_pct, noise_pct/2., noise_pct/2.])
mask = np.repeat(mask, c, axis=2)
img_[mask == 1] = 255 # 盐噪声
img_[mask == 2] = 0 # 椒噪声
return Image.fromarray(img_.astype('uint8')).convert('RGB')
else:
return img
class Gaussian_noise(object):
"""增加高斯噪声
此函数用将产生的高斯噪声加到图片上
传入:
img : 原图
mean : 均值
sigma : 标准差
返回:
gaussian_out : 噪声处理后的图片
"""
def __init__(self, mean, sigma):
self.mean = mean
self.sigma = sigma
def __call__(self, img):
"""
Args:
img (PIL Image): PIL Image
Returns:
PIL Image: PIL image.
"""
# 将图片灰度标准化
img_ = np.array(img).copy()
img_ = img_ / 255.0
# 产生高斯 noise
noise = np.random.normal(self.mean, self.sigma, img_.shape)
# 将噪声和图片叠加
gaussian_out = img_ + noise
# 将超过 1 的置 1，低于 0 的置 0
gaussian_out = np.clip(gaussian_out, 0, 1)
# 将图片灰度范围的恢复为 0-255
gaussian_out = np.uint8(gaussian_out*255)
# 将噪声范围搞为 0-255
# noise = np.uint8(noise*255)
return Image.fromarray(gaussian_out).convert('RGB')
def image_transform(noisef):
"""对训练集和测试集的图片作预处理转换
train_transform：加噪图
_train_transform：原图（不加噪）
test_transform：测试图（不加噪）
"""
train_transform = transforms.Compose([
transforms.Resize((256, 256)), # 重设大小
#transforms.RandomCrop(32,padding=4),
AddPepperNoise(noisef, p=0.9), #加椒盐噪声
#Gaussian_noise(0, noisef), # 加高斯噪声
transforms.ToTensor(), # 转换为张量
# transforms.Normalize(norm_mean,norm_std),
])
_train_transform = transforms.Compose([
transforms.Resize((256, 256)),
#transforms.RandomCrop(32,padding=4),
transforms.ToTensor(),
# transforms.Normalize(norm_mean,norm_std),
])
test_transform = transforms.Compose([
transforms.Resize((256, 256)),
#transforms.RandomCrop(32,padding=4),
transforms.ToTensor(),
# transforms.Normalize(norm_mean,norm_std),
])
return train_transform, _train_transform, test_transform
在pytorch中如何使用
# 图像变换和加噪声train_transform为加噪图，_train_transform为原图，test_transform为测试图 noisef为传入的噪声等级
train_transform,_train_transform,test_transform = image_transform(noisef)
training_data=FabricDataset_file(data_dir=train_dir,transform=train_transform)
_training_data=FabricDataset_file(data_dir=_train_dir,transform=_train_transform)
testing_data=FabricDataset_file(data_dir=test_dir,transform=test_transform)
补充
图像添加随机噪声
随机噪声就是通过随机函数在图像上随机地添加噪声点
def random_noise(image,noise_num):
'''
添加随机噪点（实际上就是随机在图像上将像素点的灰度值变为255即白色）
:param image: 需要加噪的图片
:param noise_num: 添加的噪音点数目，一般是上千级别的
:return: img_noise
'''
#
# 参数image：，noise_num：
img = cv2.imread(image)
img_noise = img
# cv2.imshow("src", img)
rows, cols, chn = img_noise.shape
# 加噪声
for i in range(noise_num):
x = np.random.randint(0, rows)#随机生成指定范围的整数
y = np.random.randint(0, cols)
img_noise[x, y, :] = 255
return img_noise
img_noise = random_noise("colorful_lena.jpg",3000)
cv2.imshow('random_noise',img_noise)
cv2.waitKey(0)
以上就是Python实现对图像添加高斯噪声或椒盐噪声的详细内容，更多关于Python的资料请关注软件开发网其它相关文章！
