Python中的imnoise？

Question

在应用低通滤波器后，我试图在图像中添加白噪声。我知道如何在matlab中实现它，但不知道如何调用它才能在python中工作。

import matplotlib.pyplot as plt
import numpy as np
import scipy.misc
from scipy import ndimage
import Image 

J = imnoise(im,'salt & pepper',0.02);
figure.imshow(J)

我还需要进口什么？还是有其他方法增加噪音？

Answer 1

1. 代码示例。

   import numpy as np
   import cv2
   from matplotlib import pyplot as plt
   from skimage.util import random_noise
   
   I = cv2.imread('image.jpg', 1); # 1/ -1: color mode; 0: gray mode
   gauss = random_noise(I, mode='gaussian', seed=None, clip=True)
   sp = random_noise(I, mode='s&p', seed=None, clip=True)
   
   plt.subplot(231), plt.imshow(I), plt.title('Origin')
   plt.subplot(232), plt.imshow(gauss), plt.title('Gaussian')
   plt.subplot(233), plt.imshow(sp), plt.title('Salt & Pepper')
   plt.show();
   

2. 更多信息：http://scikit-image.org/docs/0.13.x/api/skimage.util.html#skimage.util.random_noise

Answer 2

在讨论去噪时，本教程使用noisy = l + 0.4 * l.std() * np.random.random(l.shape)将白噪声添加到图像中 其中l是图像。

http://scipy-lectures.github.io/advanced/image_processing/#denoising

一般来说，只需添加一个包含要用于原始图片的噪波的矩阵，就可以添加噪波。

Answer 3

scikit-image提供了一个函数^{}，类似于MATLAB中的imnoise。

skimage.util.random_noise(image, mode='gaussian', seed=None, clip=True, **kwargs)

它支持以下模式：

‘gaussian’ Gaussian-distributed additive noise.

‘localvar’ Gaussian-distributed additive noise, with specified local variance at each point of image

‘poisson’ Poisson-distributed noise generated from the data.

‘salt’ Replaces random pixels with 1.

‘pepper’ Replaces random pixels with 0.

‘s&p’ Replaces random pixels with 0 or 1.

‘speckle’ Multiplicative noise using out = image + n*image, where n is uniform noise with specified mean & variance.

注意与MATLAB中的imnoise不同之处在于，此函数的输出始终是浮点图像。

例如，如果输入图像是一个uint8灰度图像，它将首先转换为浮点，但输出图像不会转换为与输入图像相同的类。

因此，如果您关心图像的类，您应该自己转换输出，例如使用skimage.img_as_ubyte。