【OpenCV, MFC, DIP】向图像中加入各种噪声

1.椒盐噪声

        Mat dstImage = srcImage.clone();for (int k = 0; k < n; k++){//随机取值行列int i = rand() % dstImage.rows;int j = rand() % dstImage.cols;//图像通道判定if (dstImage.channels() == 1){dstImage.at<uchar>(i, j) = 255;        //盐噪声
        }else{dstImage.at<Vec3b>(i, j)[0] = 255;dstImage.at<Vec3b>(i, j)[1] = 255;dstImage.at<Vec3b>(i, j)[2] = 255;}}for (int k = 0; k < n; k++){//随机取值行列int i = rand() % dstImage.rows;int j = rand() % dstImage.cols;//图像通道判定if (dstImage.channels() == 1){dstImage.at<uchar>(i, j) = 0;        //椒噪声
        }else{dstImage.at<Vec3b>(i, j)[0] = 0;dstImage.at<Vec3b>(i, j)[1] = 0;dstImage.at<Vec3b>(i, j)[2] = 0;}}

2.高斯噪声

高斯噪声是指高绿密度函数服从高斯分布的一类噪声。特别的，假设一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度有事均匀分布的，则称这个噪声为高斯白噪声。

高斯白噪声二阶矩不相关。一阶矩为常数，是指先后信号在时间上的相关性。高斯噪声包含热噪声和三里噪声。

高斯噪声万有由它的事变平均值和两瞬时的协方差函数来确定，若噪声是平稳的。则平均值与时间无关，而协方差函数则变成仅和所考虑的两瞬时之差有关的相关函数。在意义上它等同于功率谱密度。高斯早生能够用大量独立的脉冲产生，从而在不论什么有限时间间隔内。这些脉冲中的每个买充值与全部脉冲值得总和相比都可忽略不计。

 

依据Box-Muller变换原理，建设随机变量U1、U2来自独立的处于(0,1)之间的均匀分布，则经过以下两个式子产生的随机变量Z0。Z1服从标准高斯分布。

 

上式中Z0，Z1满足正态分布，当中均值为0，方差为1，变量U1和U2能够改动为下式：

#define TWO_PI 6.2831853071795864769252866  double generateGaussianNoise()  
{  static bool hasSpare = false;  static double rand1, rand2;  if(hasSpare)  {  hasSpare = false;  return sqrt(rand1) * sin(rand2);  }  hasSpare = true;  rand1 = rand() / ((double) RAND_MAX);  if(rand1 < 1e-100) rand1 = 1e-100;  rand1 = -2 * log(rand1);  rand2 = (rand() / ((double) RAND_MAX)) * TWO_PI;  return sqrt(rand1) * cos(rand2);  
} 

void AddGaussianNoise(Mat& I)  
{  // accept only char type matrices  CV_Assert(I.depth() != sizeof(uchar));  int channels = I.channels();  int nRows = I.rows;  int nCols = I.cols * channels;  if(I.isContinuous()){  nCols *= nRows;  nRows = 1;  }  int i,j;  uchar* p;  for(i = 0; i < nRows; ++i){  p = I.ptr<uchar>(i);  for(j = 0; j < nCols; ++j){  double val = p[j] + generateGaussianNoise() * 128;  if(val < 0)  val = 0;  if(val > 255)  val = 255;  p[j] = (uchar)val;  }  }  }