文章目录
一、random_noise函数介绍
首先,我们看一下random_noise的构造:
floating-point image是浮点图的意思。**kwargs是关键字参数的意思,对这部分我也作一定的学习(之前不懂),改天写一个博客记录一下。它的作用:把多个关键字参数打包。
1.image:
输入的图像是n维数组,会转换为浮点型
2.mode:
除了高斯型,还有椒盐,泊松等等
3.关键字参数:
一些比较经典的,比如高斯噪声需要的均值,方差,就需要在这里设定
4.返回值:
最后返回的添加了噪声的n维数组
二、实际操作
首先,在使用前需要掉包:
from skimage.util import random_noise #添加噪声模块
skimage即是Scikit-Image,数字图像处理包
2.1.导入照片
这次我们用plt.imread来读取照片,读出来的格式直接就是ndarray的格式,格式为宽,高,通道;同时是uint8(8位无符号整数类型),范围在[0, 255],2的8次方是256(按照网上的说法,为了节省空间,图像存储一般用的uint8):
image=plt.imread('1.jpg');print(type(image)) #图片种类print(image.shape) #打印图片大小print(image.dtype) #打印图片数据类型plt.imshow(image)plt.show()
imshow了之后 别忘了经典的show()永恒的经典
导入照片有好几种方式,有时间了我也写一篇博客总结一下
2.2.添加高斯噪声
代码如下(示例):
from skimage.util import random_noise #添加噪声模块import matplotlib.pyplot as pltimage=plt.imread('1.jpg');print(type(image)) #图片种类print(image.shape) #打印图片大小print(image.dtype) #打印图片数据类型plt.subplot(2,2,1)plt.title('origin')plt.imshow(image)noise_gaussian_1=random_noise(image,mode="gaussian",clip=True)noise_gaussian_2=random_noise(image,mode="gaussian",var=0.1,clip=True)noise_gaussian_3=random_noise(image,mode="gaussian",var=1,clip=True)plt.subplot(2,2,2)plt.title('var=0.01')plt.imshow(noise_gaussian_1)plt.subplot(2,2,3)plt.title('var=0.1')plt.imshow(noise_gaussian_2)plt.subplot(2,2,4)plt.title('var=1')plt.imshow(noise_gaussian_3)plt.show()
结果如下所示:
还是经典的方差越大,噪声越明显
2.3.添加椒盐噪声
这个还是有一点点复杂的:
变量名难得改了
from skimage.util import random_noise #添加噪声模块import matplotlib.pyplot as pltimage=plt.imread('1.jpg');print(type(image)) #图片种类print(image.shape) #打印图片大小print(image.dtype) #打印图片数据类型plt.subplot(2,2,1)plt.title('origin')plt.imshow(image)noise_gaussian_1=random_noise(image,mode="salt",amount=0.5,clip=True)noise_gaussian_2=random_noise(image,mode="pepper",amount=0.5,clip=True)noise_gaussian_3=random_noise(image,mode="s&p",amount=0.5,clip=True)plt.subplot(2,2,2)plt.title('salt')plt.imshow(noise_gaussian_1)plt.subplot(2,2,3)plt.title('pepper')plt.imshow(noise_gaussian_2)plt.subplot(2,2,4)plt.title('s&p')plt.imshow(noise_gaussian_3)plt.show()
2.4.对比
变量名难得改了
from skimage.util import random_noise #添加噪声模块import matplotlib.pyplot as pltimage=plt.imread('1.jpg');print(type(image)) #图片种类print(image.shape) #打印图片大小print(image.dtype) #打印图片数据类型plt.imshow(image)plt.show()noise_gaussian_1=random_noise(image,mode="gaussian",var=0.1,clip=True)noise_gaussian_2=random_noise(image,mode="salt",amount=0.5,clip=True)noise_gaussian_3=random_noise(image,mode="pepper",amount=0.5,clip=True)noise_gaussian_4=random_noise(image,mode="s&p",amount=0.5,clip=True)plt.imshow(noise_gaussian_1)plt.show()plt.imshow(noise_gaussian_2)plt.show()plt.imshow(noise_gaussian_3)plt.show()plt.imshow(noise_gaussian_4)plt.show()
原图:
高斯噪声图:
盐图:
椒图:
椒盐噪声图:
就是这个椒盐和我想象的有点不一样
来源地址:https://blog.csdn.net/weixin_46274756/article/details/127508626