OpenCV实战|噪声生成与图像加噪声

OpenCV学堂 2024-09-25 22:13

点击上方蓝字关注我们

微信公众号:OpenCV学堂

关注获取更多计算机视觉与深度学习知识


引子

2024年九月底的技术文章,写点有意思的,图像噪声有美感的!

噪声图像生成

随机噪声

首先看两张图片,大小均为512* 512个像素, 第一张是纯蓝色

第二张是加有随机噪声的蓝色

产生随机噪声的算法简单的不能再简单了
加速RGB图像的RED与GREEN通道数据为零,蓝色通道通过0~255范围之间随机数生成即可得到,代码演示如下:
 1Mat src = Mat::zeros(Size(512512), CV_8UC3);
2src = Scalar(25500);
3imshow("input", src);
4imwrite("D:/blue.png", src);
5// noise with blue
6int w = src.cols;
7int h = src.rows;
8for (int row = 0; row < h; row++) {
9    for (int col = 0; col < w; col++) {
10        int pv = 255 * rand() / (RAND_MAX + 1);
11        src.at(row, col)[0] = pv;
12    }
13}
14imshow("random noise", src);
其中rand()是C++的随机函数,最大值为RAND_MAX,要得到0~1之间的随机值生成可以表示为:rand()/(RAND_MAX + 1), 如要要0~255范围之间则表示像素值 pixel = 255*rand()/(RAND_MAX + 1)。

如何给一张已经有的图像加上噪声,很容易,OpenCV提供了一个高斯分别随机数生成的函数:
1void cv::randn(
2    InputOutputArray dst,    
3    InputArray mean,    
4    InputArray stddev     
5)
dst:表示输入的Mat对象,同时也是输出
mean:表示分布的均值
stddev:表示标准方差
给图像添加高斯噪声的代码如下:
1Mat image = imread("D:/images/test.png");
2imshow("image", image);
3Mat noiseAdd = Mat::zeros(image.size(), image.type());
4randn(noiseAdd, (151515), (303030));
5add(image, noiseAdd, image);
6imshow("noiseAdd", image);


运行结果如下:

更好玩的噪声生成

你没看错,噪声有时候也可以很美的,很好玩的,请看下面这张图,也是基于噪声生成的。

前面生成噪声的方法都太过简单粗暴,都是线性计算,这里我们希望噪声可以周期性的变化,有一定的规律呈现,同时符合人眼的感官视觉变化曲线,不会觉得那么生硬。所以我们需要一个周期性函数,这里选择cos,在[0, PI]区间递减,在[PI, 2PI]区间递增,取值范围在[-1, 1]之间。但是我们像素值在0~255之间,缩放随机数可以取值范围为0~1之间,生成的浮点数坐标采样线性插值,所以我们需要cos(PI+(x-x0/x1-x0) * PI) + 1, 现在计算出来的值是[0, 1]区间之内 根据插值公式最终有:
y = (y1-y0) * cos(PI + (x-x0/x1-x0) * PI) + 1 + y0

其中[x, y]代表要计算的点,周围四个采样点为:

[x-N, y-N], [x+N, y-N], [x-N, y+N], [x+N, y+N ]
运用双线性插值原理即可计算出[1, N]个每个像素点的值。其中N表示变化周期。

线性插值代码如下:
1double interpolate(double x0, double xx0, double x1, double xx1, double x) {
2    return (1.0 + cos(CV_PI +(CV_PI / (x1 - x0)) * (x - x0))) / 2.0 * (xx1 - xx0) + xx0;
3}


随机噪声可以预先计算,然后根据坐标位置直接查询即可,这样可以减少计算量,代码实现如下:

 1// 初始化噪声随机数
2for (int i = 0; i< sum; i++) {
3    blue_random[i] = ((float)rand()) / (float)(RAND_MAX + 1);
4    red_random[i] = ((float)rand()) /(float) (RAND_MAX + 1);
5    green_random[i] = ((float)rand()) / (float)(RAND_MAX + 1);
6}
7
8// 查询获取噪声
9double noise(int x, int y, int colorType) {
10    if (colorType == 1) {
11        if (x < s && y < s)
12            return red_random[y * s + x];
13        else
14            return 0.0;
15    }
16    else if (colorType == 2) {
17        if (x < s && y < s)
18            return green_random[y * s + x];
19        else
20            return 0.0;
21    }
22    else {
23        if (x < s && y < s)
24            return blue_random[y * s + x];
25        else
26            return 0.0;
27    }
28}


获取每个坐标颜色代码如下:

 1double getColor(int x, int y, int M, int color_type) {
2    int x0 = x - (x % M);
3    int x1 = x0 + M;
4    int y0 = y - (y % M);
5    int y1 = y0 + M;
6        // 获取噪声
7    double x0y0 = noise(x0, y0, color_type);
8    double x1y0 = noise(x1, y0, color_type);
9    double x0y1 = noise(x0, y1, color_type);
10    double x1y1 = noise(x1, y1, color_type);
11        // 双线性插值
12    double xx0 = interpolate(x0, x0y0, x1, x1y0, x);
13    double xx1 = interpolate(x0, x0y1, x1, x1y1, x);
14    double N = interpolate(y0, xx0, y1, xx1, y);
15    return N;
16}


完整的代码调用如下:

 1// add art noise
2Mat noise_img = Mat::zeros(Size(s, s), CV_8UC3);
3int intervalPixels = 50// default
4w = noise_img.cols;
5h = noise_img.rows;
6for (int row = 0; row < h; row++) {
7    for (int col = 0; col < w; col++) {
8        // set random color value for each pixel
9        r = (int)(255.0 * getColor(row, col, intervalPixels, 1));
10        g = (int)(255.0 * getColor(row, col, intervalPixels, 2));
11        b = (int)(255.0 * getColor(row, col, intervalPixels, 4));
12        noise_img.at(row, col)[0] = b;
13        noise_img.at(row, col)[1] = g;
14        noise_img.at(row, col)[2] = r;
15    }
16}
17imshow("art noise", noise_img);


可以选择变化周期与三个通道值,会生成各种颜色的噪声。更多测试结果如下:

叠加一下看看如下:

效果魔幻不/?原来噪声也可以这么玩!


OpenCV4系统化学习


深度学习系统化学习

推荐阅读

OpenCV4.8+YOLOv8对象检测C++推理演示

ZXING+OpenCV打造开源条码检测应用

攻略 | 学习深度学习只需要三个月的好方法

三行代码实现 TensorRT8.6 C++ 深度学习模型部署

实战 | YOLOv8+OpenCV 实现DM码定位检测与解析

对象检测边界框损失 – 从IOU到ProbIOU

初学者必看 | 学习深度学习的五个误区


OpenCV学堂 专注计算机视觉开发技术分享,技术框架使用,包括OpenCV,Tensorflow,Pytorch教程与案例,相关算法详解,最新CV方向论文,硬核代码干货与代码案例详解!作者在CV工程化方面深度耕耘15年,感谢您的关注!
评论
  • 我的一台很多年前人家不要了的九十年代SONY台式组合音响,接手时只有CD功能不行了,因为不需要,也就没修,只使用收音机、磁带机和外接信号功能就够了。最近五年在外地,就断电闲置,没使用了。今年9月回到家里,就一个劲儿地忙着收拾家当,忙了一个多月,太多事啦!修了电气,清理了闲置不用了的电器和电子,就是一个劲儿地扔扔扔!几十年的“工匠式”收留收藏,只能断舍离,拆解不过来的了。一天,忽然感觉室内有股臭味,用鼻子的嗅觉功能朝着臭味重的方向寻找,觉得应该就是这台组合音响?怎么会呢?这无机物的东西不会腐臭吧?
    自做自受 2024-12-10 16:34 136浏览
  • 时源芯微——RE超标整机定位与解决详细流程一、 初步测量与问题确认使用专业的电磁辐射测量设备,对整机的辐射发射进行精确测量。确认是否存在RE超标问题,并记录超标频段和幅度。二、电缆检查与处理若存在信号电缆:步骤一:拔掉所有信号电缆,仅保留电源线,再次测量整机的辐射发射。若测量合格:判定问题出在信号电缆上,可能是电缆的共模电流导致。逐一连接信号电缆,每次连接后测量,定位具体哪根电缆或接口导致超标。对问题电缆进行处理,如加共模扼流圈、滤波器,或优化电缆布局和屏蔽。重新连接所有电缆,再次测量
    时源芯微 2024-12-11 17:11 65浏览
  • 【萤火工场CEM5826-M11测评】OLED显示雷达数据本文结合之前关于串口打印雷达监测数据的研究,进一步扩展至 OLED 屏幕显示。该项目整体分为两部分: 一、框架显示; 二、数据采集与填充显示。为了减小 MCU 负担,采用 局部刷新 的方案。1. 显示框架所需库函数 Wire.h 、Adafruit_GFX.h 、Adafruit_SSD1306.h . 代码#include #include #include #include "logo_128x64.h"#include "logo_
    无垠的广袤 2024-12-10 14:03 69浏览
  • 天问Block和Mixly是两个不同的编程工具,分别在单片机开发和教育编程领域有各自的应用。以下是对它们的详细比较: 基本定义 天问Block:天问Block是一个基于区块链技术的数字身份验证和数据交换平台。它的目标是为用户提供一个安全、去中心化、可信任的数字身份验证和数据交换解决方案。 Mixly:Mixly是一款由北京师范大学教育学部创客教育实验室开发的图形化编程软件,旨在为初学者提供一个易于学习和使用的Arduino编程环境。 主要功能 天问Block:支持STC全系列8位单片机,32位
    丙丁先生 2024-12-11 13:15 45浏览
  • 智能汽车可替换LED前照灯控制运行的原理涉及多个方面,包括自适应前照灯系统(AFS)的工作原理、传感器的应用、步进电机的控制以及模糊控制策略等。当下时代的智能汽车灯光控制系统通过车载网关控制单元集中控制,表现特殊点的有特斯拉,仅通过前车身控制器,整个系统就包括了灯光旋转开关、车灯变光开关、左LED前照灯总成、右LED前照灯总成、转向柱电子控制单元、CAN数据总线接口、组合仪表控制单元、车载网关控制单元等器件。变光开关、转向开关和辅助操作系统一般连为一体,开关之间通过内部线束和转向柱装置连接为多,
    lauguo2013 2024-12-10 15:53 78浏览
  • RK3506 是瑞芯微推出的MPU产品,芯片制程为22nm,定位于轻量级、低成本解决方案。该MPU具有低功耗、外设接口丰富、实时性高的特点,适合用多种工商业场景。本文将基于RK3506的设计特点,为大家分析其应用场景。RK3506核心板主要分为三个型号,各型号间的区别如下图:​图 1  RK3506核心板处理器型号场景1:显示HMIRK3506核心板显示接口支持RGB、MIPI、QSPI输出,且支持2D图形加速,轻松运行QT、LVGL等GUI,最快3S内开
    万象奥科 2024-12-11 15:42 65浏览
  • 一、SAE J1939协议概述SAE J1939协议是由美国汽车工程师协会(SAE,Society of Automotive Engineers)定义的一种用于重型车辆和工业设备中的通信协议,主要应用于车辆和设备之间的实时数据交换。J1939基于CAN(Controller Area Network)总线技术,使用29bit的扩展标识符和扩展数据帧,CAN通信速率为250Kbps,用于车载电子控制单元(ECU)之间的通信和控制。小北同学在之前也对J1939协议做过扫盲科普【科普系列】SAE J
    北汇信息 2024-12-11 15:45 68浏览
  • 近日,搭载紫光展锐W517芯片平台的INMO GO2由影目科技正式推出。作为全球首款专为商务场景设计的智能翻译眼镜,INMO GO2 以“快、准、稳”三大核心优势,突破传统翻译产品局限,为全球商务人士带来高效、自然、稳定的跨语言交流体验。 INMO GO2内置的W517芯片,是紫光展锐4G旗舰级智能穿戴平台,采用四核处理器,具有高性能、低功耗的优势,内置超微高集成技术,采用先进工艺,计算能力相比同档位竞品提升4倍,强大的性能提供更加多样化的应用场景。【视频见P盘链接】 依托“
    紫光展锐 2024-12-11 11:50 44浏览
  • 概述 通过前面的研究学习,已经可以在CycloneVGX器件中成功实现完整的TDC(或者说完整的TDL,即延时线),测试结果也比较满足,解决了超大BIN尺寸以及大量0尺寸BIN的问题,但是还是存在一些之前系列器件还未遇到的问题,这些问题将在本文中进行详细描述介绍。 在五代Cyclone器件内部系统时钟受限的情况下,意味着大量逻辑资源将被浪费在于实现较大长度的TDL上面。是否可以找到方法可以对此前TDL的长度进行优化呢?本文还将探讨这个问题。TDC前段BIN颗粒堵塞问题分析 将延时链在逻辑中实现后
    coyoo 2024-12-10 13:28 101浏览
  •         在有电流流过的导线周围会感生出磁场,再用霍尔器件检测由电流感生的磁场,即可测出产生这个磁场的电流的量值。由此就可以构成霍尔电流、电压传感器。因为霍尔器件的输出电压与加在它上面的磁感应强度以及流过其中的工作电流的乘积成比例,是一个具有乘法器功能的器件,并且可与各种逻辑电路直接接口,还可以直接驱动各种性质的负载。因为霍尔器件的应用原理简单,信号处理方便,器件本身又具有一系列的du特优点,所以在变频器中也发挥了非常重要的作用。  &nb
    锦正茂科技 2024-12-10 12:57 76浏览
  • 习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习笔记&记录学习习笔记&记学习学习笔记&记录学习学习笔记&记录学习习笔记&记录学习学习笔记&记录学习学习笔记记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记录学习学习笔记&记
    youyeye 2024-12-10 16:13 105浏览
  • 全球知名半导体制造商ROHM Co., Ltd.(以下简称“罗姆”)宣布与Taiwan Semiconductor Manufacturing Company Limited(以下简称“台积公司”)就车载氮化镓功率器件的开发和量产事宜建立战略合作伙伴关系。通过该合作关系,双方将致力于将罗姆的氮化镓器件开发技术与台积公司业界先进的GaN-on-Silicon工艺技术优势结合起来,满足市场对高耐压和高频特性优异的功率元器件日益增长的需求。氮化镓功率器件目前主要被用于AC适配器和服务器电源等消费电子和
    电子资讯报 2024-12-10 17:09 84浏览
我要评论
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦