### 高斯噪声简介 高斯噪声是一种常见的图像处理中的噪声形式，其分布特性遵循正态分布规律。通过引入高斯噪声到图像中，可以模拟实际场景下的传感器噪声或其他干扰因素。 以下是使用 Python 和 OpenCV 对图像添加高斯噪声的具体方法： ### 实现代码示例 ```python import cv2 import numpy as np def add_gaussian_noise(image, mean=0, sigma=0.01): """ 向图像添加高斯噪声 参数: image (numpy.ndarray): 输入图像 mean (float): 噪声的均值，默认为 0 sigma (float): 噪声的标准差，默认为 0.01 返回: numpy.ndarray: 添加高斯噪声后的图像 """ # 将图像转换为浮点型并归一化至 [0, 1] image_normalized = np.array(image / 255, dtype=float) # 创建具有相同形状的高斯噪声矩阵 noise = np.random.normal(mean, sigma ** 0.5, image_normalized.shape) # 将噪声叠加到原始图像上 noisy_image = image_normalized + noise # 确保像素值范围在 [0, 1] 内 if noisy_image.min() < 0: low_clip = -1. else: low_clip = 0. noisy_image = np.clip(noisy_image, low_clip, 1.0) # 反归一化并将数据类型转回 uint8 noisy_image = np.uint8(noisy_image * 255) return noisy_image # 加载测试图像 original_image = cv2.imread('test_image.jpg') if original_image is not None: # 添加高斯噪声 gaussian_noised_image = add_gaussian_noise(original_image, mean=0, sigma=0.01) # 显示原图和带噪声的图像 combined_images = np.hstack((original_image, gaussian_noised_image)) cv2.imshow('Original vs Gaussian Noised Image', combined_images) cv2.waitKey(0) cv2.destroyAllWindows() # 保存结果 cv2.imwrite('gaussian_noised_image.jpg', gaussian_noised_image) else: print("无法加载图像，请检查文件路径是否正确。") ``` ### 关键点解析 - 使用 `cv2.imread` 函数读取图像，并将其作为 NumPy 数组处理[^2]。 - 归一化图像像素值至 `[0, 1]` 的范围内以便于计算[^3]。 - 利用 `np.random.normal` 方法生成符合指定均值 (`mean`) 和标准差 (`sigma`) 的高斯分布随机数数组[^1]。 - 将生成的噪声矩阵与输入图像相加得到含噪声的新图像。 - 应用 `np.clip` 函数确保最终像素值不会超出合法范围 `(0~255)`[^2]。 此过程能够有效实现对任意灰度或彩色图像施加可控程度的高斯噪声效果。