### 使用 Python 实现 `imnoise` 类似功能 在 PyCharm 中无法直接调用 MATLAB 的 `imnoise` 函数，但可以借助 Python 库（如 NumPy 和 OpenCV）来模拟其行为。以下是针对椒盐噪声、指数噪声和高斯噪声的具体实现方法。 #### 高斯噪声 高斯噪声可以通过生成符合正态分布的随机数并将其叠加到原始图像上来实现。以下是一个完整的代码示例： ```python import numpy as np import cv2 def add_gaussian_noise(image, mean=0, sigma=25): row, col = image.shape[:2] gauss = np.random.normal(mean, sigma, (row, col)) noisy_image = np.clip(image.astype(np.float32) + gauss, 0, 255).astype(np.uint8) return noisy_image # 加载灰度图像 image = cv2.imread('example.png', cv2.IMREAD_GRAYSCALE) if image is not None: gaussian_noisy_image = add_gaussian_noise(image) cv2.imshow('Original Image', image) cv2.imshow('Gaussian Noised Image', gaussian_noisy_image) cv2.waitKey(0) cv2.destroyAllWindows() else: print("Image not found or unable to load.") ``` 这段代码实现了向图像添加零均值高斯噪声的功能[^1]。 --- #### 椒盐噪声 椒盐噪声是一种常见的脉冲噪声，通常表现为一些像素被设置为极端值（黑色或白色）。下面是一段用于添加椒盐噪声的代码： ```python def add_salt_pepper_noise(image, salt_vs_pepper_ratio=0.5, amount=0.01): row, col = image.shape[:2] num_salt = int(amount * image.size * salt_vs_pepper_ratio) num_pepper = int(amount * image.size * (1 - salt_vs_pepper_ratio)) # 添加 Salt 噪声 coords = [np.random.randint(0, i - 1, num_salt) for i in image.shape[:2]] image[tuple(coords)] = 255 # 添加 Pepper 噪声 coords = [np.random.randint(0, i - 1, num_pepper) for i in image.shape[:2]] image[tuple(coords)] = 0 return image # 加载灰度图像 image = cv2.imread('example.png', cv2.IMREAD_GRAYSCALE) if image is not None: sp_noisy_image = add_salt_pepper_noise(image.copy()) cv2.imshow('Salt & Pepper Noised Image', sp_noisy_image) cv2.waitKey(0) cv2.destroyAllWindows() else: print("Image not found or unable to load.") ``` 该代码通过指定比例控制椒盐噪声的数量及其分布特性[^3]。 --- #### 指数噪声 虽然 MATLAB 提供了对指数噪声的支持，但在 Python 中需要手动定义这种噪声模型。以下是如何实现的一个例子： ```python def add_exponential_noise(image, lambd=1/25): row, col = image.shape[:2] exponential_noise = np.random.exponential(lambd, size=(row, col)) * 255 noisy_image = np.clip(image.astype(np.float32) + exponential_noise, 0, 255).astype(np.uint8) return noisy_image # 加载灰度图像 image = cv2.imread('example.png', cv2.IMREAD_GRAYSCALE) if image is not None: exp_noisy_image = add_exponential_noise(image) cv2.imshow('Exponential Noised Image', exp_noisy_image) cv2.waitKey(0) cv2.destroyAllWindows() else: print("Image not found or unable to load.") ``` 这里利用了 NumPy 的 `exponential` 方法生成服从指数分布的随机变量，并将其应用于图像中[^2]。 --- ### 总结 以上三种方法分别展示了如何在 Python 环境下模拟 MATLAB 的 `imnoise` 功能。每种噪声类型都有特定的应用场景，在实际开发过程中可以根据需求调整参数以获得理想效果。