Python实现对图像加噪(高斯噪声 椒盐噪声)

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)

来源：https://blog.csdn.net/qq_41858510/article/details/121485126