### 使用 OpenCV 向图像添加椒盐噪声 为了在 Python 中利用 OpenCV 库向图像添加椒盐噪声，可以按照如下方法操作： #### 方法概述 创建函数 `add_salt_and_pepper_noise` 来处理输入图片，并根据指定比例 noise_ratio 添加椒盐噪声。该过程涉及遍历图像矩阵中的每一个像素位置，在特定概率条件下将其设为最亮(255, 白色) 或最暗 (0, 黑色)[^1]。 ```python import cv2 import numpy as np import random def add_salt_and_pepper_noise(image, noise_ratio=0.05): output = image.copy() # 计算要改变的总像素数量 num_salt = int(np.ceil(noise_ratio * image.size * 0.5)) coords = [np.random.randint(0, i - 1, int(num_salt)) for i in image.shape[:2]] output[coords[0], coords[1]] = 255 # 加入胡椒噪声 num_pepper = int(np.ceil(noise_ratio * image.size * 0.5)) coords = [np.random.randint(0, i - 1, int(num_pepper)) for i in image.shape[:2]] output[coords[0], coords[1]] = 0 return output ``` 此代码片段定义了一个名为 `add_salt_and_pepper_noise()` 的函数来模拟椒盐噪声的效果[^1]。 #### 显示原始图像与加噪后的图像 通过调用上述自定义函数以及使用 OpenCV 提供的功能可以在同一窗口中并列展示两张图片——未受污染版本及其对应的含噪副本: ```python # 读取测试图像文件 img_original = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE) # 对图像应用椒盐噪声算法 noisy_image = add_salt_and_pepper_noise(img_original) # 创建一个水平堆叠的新图像用于比较查看 combined_images = np.hstack((img_original, noisy_image)) # 展示结果 cv2.imshow("Original vs Noised Image", combined_images) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段脚本实现了从加载源图像到最终呈现两幅对比图的过程。 #### 关于椒盐噪声特点说明 椒盐噪声表现为图像上随机分布的小面积黑白斑点，通常由传感器故障或其他因素引起的数据丢失造成。这种类型的干扰会在明亮部分形成黑色像素（即所谓的“胡椒”），也会让黑暗背景中出现白色亮点（也就是所说的“食盐”)。其主要特征在于这些异常点在整个画面内的无规律散布特性[^2]。