### 使用 Python 实现 `imnoise` 加噪功能 在 MATLAB 中，`imnoise` 函数提供了便捷的方式来向图像添加各种类型的噪声。而在 Python 中，虽然没有直接对应的函数，但可以通过 NumPy 和 OpenCV 来模拟这些功能。 以下分别介绍如何实现椒盐噪声、高斯噪声以及指数噪声的加噪过程，并提供完整的代码示例。 --- #### 1. 高斯噪声 (Gaussian Noise) 高斯噪声是一种常见的随机噪声形式，通常由正态分布生成。Python 可以利用 `numpy.random.normal` 方法来生成指定均值和方差的高斯噪声。 ```python import numpy as np import cv2 def add_gaussian_noise(image, mean=0, var=0.001): """ 向图像添加高斯噪声。 参数: image: 输入图像 (灰度图或彩色图) mean: 均值，默认为 0 var: 方差，默认为 0.001 返回: 添加了高斯噪声后的图像 """ sigma = np.sqrt(var) gaussian = np.random.normal(mean, sigma, image.shape).astype(np.float32) noisy_image = np.clip(image.astype(np.float32) + gaussian, 0, 255).astype(np.uint8) return noisy_image ``` --- #### 2. 椒盐噪声 (Salt-and-Pepper Noise) 椒盐噪声表现为图像中的随机像素被设置为黑色（0）或白色（255）。这种噪声可通过设定一定比例的像素为极端值来实现。 ```python def add_salt_and_pepper_noise(image, salt_vs_pepper_ratio=0.5, amount=0.01): """ 向图像添加椒盐噪声。 参数: image: 输入图像 (灰度图或彩色图) salt_vs_pepper_ratio: 盐噪声与胡椒噪声的比例，默认为 0.5 amount: 总体噪声密度，默认为 0.01 返回: 添加了椒盐噪声后的图像 """ row, col, channels = image.shape if len(image.shape) == 3 else (*image.shape, 1) num_salt = int(amount * row * col * salt_vs_pepper_ratio) num_pepper = int(amount * row * col * (1 - salt_vs_pepper_ratio)) # Add Salt noise coords_salt = [np.random.randint(0, i - 1, num_salt) for i in [row, col]] if channels > 1: channel_indices = np.random.randint(0, channels, num_salt) image[tuple(coords_salt)[0], tuple(coords_salt)[1], channel_indices] = 255 else: image[tuple(coords_salt)] = 255 # Add Pepper noise coords_pepper = [np.random.randint(0, i - 1, num_pepper) for i in [row, col]] if channels > 1: channel_indices = np.random.randint(0, channels, num_pepper) image[tuple(coords_pepper)[0], tuple(coords_pepper)[1], channel_indices] = 0 else: image[tuple(coords_pepper)] = 0 return image ``` --- #### 3. 指数噪声 (Exponential Noise) 指数噪声服从指数分布，可使用 `numpy.random.exponential` 方法生成。该方法允许指定一个尺度参数（scale），从而控制噪声强度。 ```python def add_exponential_noise(image, scale=10): """ 向图像添加指数噪声。 参数: image: 输入图像 (灰度图或彩色图) scale: 尺度参数，默认为 10 返回: 添加了指数噪声后的图像 """ exponential_noise = np.random.exponential(scale, size=image.shape).astype(np.float32) noisy_image = np.clip(image.astype(np.float32) + exponential_noise, 0, 255).astype(np.uint8) return noisy_image ``` --- ### 完整代码示例 以下是一个综合示例，展示了如何加载一张图片并为其添加三种不同类型噪声： ```python import cv2 import matplotlib.pyplot as plt # 加载原始图像 original_image = cv2.imread('example.jpg') gray_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY) # 添加高斯噪声 gaussian_noisy_image = add_gaussian_noise(gray_image.copy(), mean=0, var=0.01) # 添加椒盐噪声 salt_pepper_noisy_image = add_salt_and_pepper_noise(gray_image.copy(), amount=0.05) # 添加指数噪声 exponential_noisy_image = add_exponential_noise(gray_image.copy(), scale=10) # 显示结果 plt.figure(figsize=(12, 8)) plt.subplot(2, 2, 1), plt.imshow(gray_image, cmap='gray'), plt.title('Original Image') plt.subplot(2, 2, 2), plt.imshow(gaussian_noisy_image, cmap='gray'), plt.title('Gaussian Noise') plt.subplot(2, 2, 3), plt.imshow(salt_pepper_noisy_image, cmap='gray'), plt.title('Salt & Pepper Noise') plt.subplot(2, 2, 4), plt.imshow(exponential_noisy_image, cmap='gray'), plt.title('Exponential Noise') plt.tight_layout() plt.show() ``` --- ### 注意事项 - 上述代码适用于灰度图像和彩色图像。对于彩色图像，需注意通道维度的操作[^1]。 - 在 PyCharm 中运行时，请确保安装必要的依赖项 (`opencv-python`, `matplotlib`) 并配置好环境路径[^2]。 ---