加性椒盐噪声污染图像python代码

### 回答1：
加性椒盐噪声是一种常见的图像噪声，它会在图像中随机地添加黑点或白点。在 Python 中，可以使用 NumPy 库来生成加性椒盐噪声。

下面是一个示例代码，它使用 NumPy 生成一个给定大小的随机数组，并将一些元素设置为黑色或白色，从而生成加性椒盐噪声：

import numpy as np

def salt_pepper_noise(image, prob):
    output = np.copy(image)
    thres = 1 - prob
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            rdn = np.random.random()
            if rdn < prob:
                output[i][j] = 0
            elif rdn > thres:
                output[i][j] = 255
    return output

使用方法：

# 生成 0.1 概率的加性椒盐噪声
noisy_image = salt_pepper_noise(image, 0.1)

在这个代码中，`image` 是原始图像，`prob` 是生成黑点或白点的概率。该函数会返回一个带有加性椒盐噪声的图像。

注意：这仅是一个示例代码，可能不适用于所有情况。在实际应用中，你可能需要调整参数或使用其他方法来生成加性椒盐噪声。

### 回答2：
加性椒盐噪声是一种常见的图像噪声类型，其特点是图像中出现随机的黑白像素点。下面是使用 Python 代码实现加性椒盐噪声污染图像的方法：

首先，需要导入所需的库：

import cv2
import numpy as np
import random

接下来，读取要污染的图像：

image = cv2.imread("input.jpg", cv2.IMREAD_GRAYSCALE)

定义一个函数来生成加性椒盐噪声：

def add_salt_pepper_noise(image, probability):
    output = np.copy(image)
    ratio = 0.02  # 噪声比例
    height, width = image.shape[:2]
    num_noise_pixels = int(height * width * ratio * probability)  # 计算噪声点数量

    for _ in range(num_noise_pixels):
        x = random.randint(0, width - 1)
        y = random.randint(0, height - 1)
        if random.random() < 0.5:
            output[y][x] = 0  # 椒噪声
        else:
            output[y][x] = 255  # 盐噪声

    return output

调用该函数生成污染图像：

noisy_image = add_salt_pepper_noise(image, probability=0.5)

最后，保存生成的污染图像：

cv2.imwrite("noisy_image.jpg", noisy_image)

以上就是使用 Python 实现加性椒盐噪声污染图像的代码。请注意，代码中的"input.jpg"是需要污染的图像文件，"noisy_image.jpg"是保存的污染图像文件。

### 回答3：
加性椒盐噪声是指在图像中随机生成噪声点，使其像素值变为黑色或白色，模拟如同椒盐粉洒落在图像中的效果。下面是用Python代码实现加性椒盐噪声污染图像的方法。

import cv2
import numpy as np

# 读取原始图像
image = cv2.imread("image.jpg")

# 获取图像的宽度和高度
height, width = image.shape[:2]

# 创建一个与原始图像大小相同的空白图像
noisy_image = np.zeros((height, width, 3), np.uint8)

# 复制原始图像到空白图像上
noisy_image[:] = image[:]

# 添加噪声点的数量
number_of_noisy_pixels = int(0.05 * width * height)

# 在随机位置生成噪声点
for i in range(number_of_noisy_pixels):
    x = np.random.randint(0, width)
    y = np.random.randint(0, height)
    noisy_image[y, x] = (255, 255, 255)  # 将这个位置的像素值设为白色

# 显示加噪图像
cv2.imshow("Noisy Image", noisy_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码中首先使用OpenCV库读取一张图像，然后创建一个与原始图像大小相同的空白图像，并复制原始图像到空白图像上。接着，计算噪声点的数量，通常是图像总像素数的一小部分。然后，使用两个嵌套循环，在随机位置生成噪声点，将这些位置的像素值设为白色。最后，使用OpenCV库显示加噪后的图像。