【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 = ; 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() == )

        {

            dstImage.at<uchar>(i, j) = ;        //盐噪声

        }

        else

        {

            dstImage.at<Vec3b>(i, j)[] = ;

            dstImage.at<Vec3b>(i, j)[] = ;

            dstImage.at<Vec3b>(i, j)[] = ;

        }

    }

    for (int k = ; 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() == )

        {

            dstImage.at<uchar>(i, j) = ;        //椒噪声

        }

        else

        {

            dstImage.at<Vec3b>(i, j)[] = ;

            dstImage.at<Vec3b>(i, j)[] = ;

            dstImage.at<Vec3b>(i, j)[] = ;

        }

    }

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-) rand1 = 1e-;

    rand1 = - * 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 = ;

    }

    int i,j;

    uchar* p;

    for(i = ; i < nRows; ++i){

        p = I.ptr<uchar>(i);

        for(j = ; j < nCols; ++j){

            double val = p[j] + generateGaussianNoise() * ;

            if(val < )

                val = ;

            if(val > )

                val = ;

            p[j] = (uchar)val;

        }

    }

}