Python 图像加噪
骊山道童 人气:0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)
加载全部内容