使用python对图像加噪声

加上雨点噪声

import cv2
import numpy as npdef get_noise(img, value=10):'''#生成噪声图像>>> 输入： img图像value= 大小控制雨滴的多少 >>> 返回图像大小的模糊噪声图像'''noise = np.random.uniform(0, 256, img.shape[0:2])# 控制噪声水平，取浮点数，只保留最大的一部分作为噪声v = value * 0.01noise[np.where(noise < (256 - v))] = 0# 噪声做初次模糊k = np.array([[0, 0.1, 0],[0.1, 8, 0.1],[0, 0.1, 0]])noise = cv2.filter2D(noise, -1, k)# 可以输出噪声看看'''cv2.imshow('img',noise)cv2.waitKey()cv2.destroyWindow('img')'''return noisedef rain_blur(noise, length=10, angle=0,w=1):'''将噪声加上运动模糊,模仿雨滴>>>输入noise：输入噪声图，shape = img.shape[0:2]length: 对角矩阵大小，表示雨滴的长度angle： 倾斜的角度，逆时针为正w:      雨滴大小>>>输出带模糊的噪声'''#这里由于对角阵自带45度的倾斜，逆时针为正，所以加了-45度的误差，保证开始为正trans = cv2.getRotationMatrix2D((length/2, length/2), angle-45, 1-length/100.0)  dig = np.diag(np.ones(length))   #生成对焦矩阵k = cv2.warpAffine(dig, trans, (length, length))  #生成模糊核k = cv2.GaussianBlur(k,(w,w),0)    #高斯模糊这个旋转后的对角核，使得雨有宽度#k = k / length                         #是否归一化blurred = cv2.filter2D(noise, -1, k)    #用刚刚得到的旋转后的核，进行滤波#转换到0-255区间cv2.normalize(blurred, blurred, 0, 255, cv2.NORM_MINMAX)blurred = np.array(blurred, dtype=np.uint8)return blurreddef alpha_rain(rain,img,beta = 0.8):#输入雨滴噪声和图像#beta = 0.8   #results weight#显示下雨效果#expand dimensin#将二维雨噪声扩张为三维单通道#并与图像合成在一起形成带有alpha通道的4通道图像rain = np.expand_dims(rain,2)rain_effect = np.concatenate((img,rain),axis=2)  #add alpha channelrain_result = img.copy()    #拷贝一个掩膜rain = np.array(rain,dtype=np.float32)     #数据类型变为浮点数，后面要叠加，防止数组越界要用32位rain_result[:,:,0]= rain_result[:,:,0] * (255-rain[:,:,0])/255.0 + beta*rain[:,:,0]rain_result[:,:,1] = rain_result[:,:,1] * (255-rain[:,:,0])/255 + beta*rain[:,:,0] rain_result[:,:,2] = rain_result[:,:,2] * (255-rain[:,:,0])/255 + beta*rain[:,:,0]#对每个通道先保留雨滴噪声图对应的黑色（透明）部分，再叠加白色的雨滴噪声部分（有比例因子）cv2.imwrite('rain_result.png', np.uint8(rain_result))img = cv2.imread('cv.png')
noise = get_noise(img,value=500)
rain = rain_blur(noise,length=50,angle=-30,w=3)
alpha_rain(rain,img,beta=0.6)

在这里插入图片描述

加上光斑噪声

利用一张光斑的图像加在原始图像上：

import numpy as np
import cv2
from PIL import Imageimage1 = cv2.imread('cub1.jpg')
image2 = cv2.imread('ban.jpg')height = image1.shape[0]
width = image1.shape[1]
image2 = cv2.resize(image2, (width, height), interpolation = cv2.INTER_LINEAR)
image = (image1 + image2) // 2cv2.imwrite('cv.png', np.uint8(image))