如何对图像进行加噪声处理

Python053

如何对图像进行加噪声处理,第1张

这个有很多方法啊。不过基础理论是不会变的。拿最简单的例来说;一个灰色图片(通常说的黑白),通常他的色素值在0~255。如果要加入噪声,有3种。一种是白噪声加入值是最大的,也就是随即加入色素值255.那样图片上看到的效果,就会有不规则的随即分布的白点。这个白点就是噪声。还有就是加入0值,这个是黑点。两种同时加入,这样就有黑白相间的噪声。彩色的图片,也是这个原理。比如,RGB图片,一般我们定义RGB图片的色素值为0~255.R0~255G:0~255B:0~255而加入的噪声是随即输入RGB的最大或最小值,既可以是混合值也可以是单值。

显示系统的电子噪声会引起显示点亮度与位置两方面的变化。

(1)幅值噪声

亮度通道的随机噪声会产生一种“胡椒加盐”效果(即黑白噪声点),在平坦区域中尤其明显可见。前面提到的经验法则指出有效量化级粗略地等于 RMS噪声幅值。如果噪声是周期性的并且有足够的强度,它会在被显示图像上产生一个叠加的鱼骨形图案。

如果噪声是周期性的并且与水平或垂直偏转信号同步,它会产生条状图案。如果所有噪声(包括随机的和周期性的)幅值都低于一个灰度级,那么总的显示效果还是可以的。不过在许多系统中,情况比这要差得多。

(2)点位置噪声

一种严重的影响来自偏转电路,即点显示间距的不均匀。除非极其严重,显示位置噪声不会给图像带来可察觉的几何畸变。然而,点相互影响与位置噪声的组合会产生相当大的幅值变化。因为点相互影响效应放大了位置噪声,要得到好的显示必须精确控制像素的位置。

亮点重叠对区域平坦性的影响

上图中点间距的变化会使平坦区域中像素中心点及对角线中点的亮度发生相当大的变化。作为一个例子 ,设想一个1000*1000像素的显示器具有两倍于点半径的点间距。从图2-3-1可看出,当点间距从1.9R变到2.1R时,对角线中点的亮度约从0.87增加到1.16,即发生29%的变化。然而,0.2 R 点间距变化仅是全程偏移的 0.01% 。因此偏移电路中一个0.01%峰一峰值噪声会使对角线中点的幅值产生29%的变化。像素中心和像素中点的幅值也会受到影响,只是程度较轻。当点间距小于2R时,位置噪声的影响将更明显。

(3)感光片颗粒噪声

感光片的感光乳剂由悬浮在胶体中的卤化银颗粒组成、曝光是一个二值过程,每个颗粒要么完全曝光,要么完全不曝光。在显影时,曝光颗粒还原成的不透明纯银颗粒被保留,而未曝光的颗粒则被冲洗掉、这样,底片的密度变化就由银颗粒的密集程度变化所决定 、在显微镜下 检查可发现,照片上光滑细致的影调在微观上其实呈现一个随机的颗粒性质。此外颗粒本身大小的不同以及每一颗粒曝光所需光子数目的不同,都会引入随机性。这些因素的外观表现称为颗粒性。

对于多数应用,颗粒噪声可用高斯过程(白噪声)作为有效模型。与光电噪声类似,其内在分布为泊松分布。由于制造商会公布其生产的各种胶卷的平均颗粒直径,因此只需确定颗粒噪声的标准差(作为颗粒大小和局部图像密度的函数)。

噪声的功率谱密度在所有频率上均为一常数,则称为白噪声。

频谱为一常数,自相关函数只在R(0)处为∞。

白噪声通过理想低通和理想带通滤波器后分别变为带限白噪声和窄带高斯白噪声。