python代码实现高斯噪声去除

以下是一个简单的 Python 代码示例，用于对一张图像进行高斯噪声去除：

import cv2
import numpy as np

# 加载图像
img = cv2.imread('image.jpg')

# 添加高斯噪声
mean = 0
var = 100
sigma = var ** 0.5
gaussian = np.random.normal(mean, sigma, (img.shape[0], img.shape[1], img.shape[2]))
noisy_image = np.clip(img + gaussian, 0, 255).astype(np.uint8)

# 高斯滤波器
filtered_image = cv2.GaussianBlur(noisy_image, (5, 5), 0)

# 显示图像
cv2.imshow('Original Image', img)
cv2.imshow('Noisy Image', noisy_image)
cv2.imshow('Filtered Image', filtered_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个代码示例使用 `cv2.imread()` 函数加载一张图像，然后使用 `np.random.normal()` 函数添加高斯噪声。接着，使用 `cv2.GaussianBlur()` 函数进行高斯滤波器处理，最后使用 `cv2.imshow()` 函数将结果显示出来。

相关问题

python用opencv实现去除一张彩色图像的亮度噪声和高斯噪声代码

以下是使用OpenCV库实现去除彩色图像亮度噪声和高斯噪声的代码：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('image.png')

# 使用高斯滤波器去除高斯噪声
img = cv2.GaussianBlur(img, (5, 5), 0)

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用中值滤波器去除亮度噪声
gray = cv2.medianBlur(gray, 5)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Processed Image', gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先使用`cv2.imread()`函数读取图像。然后，我们通过调用`cv2.GaussianBlur()`函数使用高斯滤波器去除高斯噪声。接下来，我们将图像转换为灰度图像，以便使用中值滤波器去除亮度噪声。最后，我们使用`cv2.medianBlur()`函数去除亮度噪声。最后，我们使用`cv2.imshow()`函数显示原始图像和处理后的图像。

python实现去除一张彩色图像的亮度噪声和高斯噪声完整代码

可以使用Pillow库实现去除一张彩色图像的亮度噪声和高斯噪声。以下是完整代码：

from PIL import Image, ImageFilter, ImageStat
import random

# 打开图片
img = Image.open("image.png")

# 添加亮度噪声
def add_brightness_noise(img):
    # 获取图片统计信息
    stat = ImageStat.Stat(img)
    # 获取图片的均值
    mean = stat.mean
    # 获取图片的标准差
    stddev = stat.stddev
    # 生成随机数，表示亮度噪声的强度
    noise = random.randint(1, 10)
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 生成对应噪声值
            delta = int(random.gauss(noise, noise/3))
            # 修改RGB值
            r = max(0, min(255, r+delta))
            g = max(0, min(255, g+delta))
            b = max(0, min(255, b+delta))
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    # 将原图和噪声图像混合
    result = Image.blend(img, noise_img, 0.7)
    return result

# 添加高斯噪声
def add_gaussian_noise(img):
    # 生成随机数，表示高斯噪声的强度
    noise = random.randint(1, 10)
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 生成对应噪声值
            delta = int(random.gauss(noise, noise/3))
            # 修改RGB值
            r = max(0, min(255, r+delta))
            g = max(0, min(255, g+delta))
            b = max(0, min(255, b+delta))
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    # 将原图和噪声图像混合
    result = Image.blend(img, noise_img, 0.7)
    return result

# 去除亮度噪声
def remove_brightness_noise(img):
    # 获取图片统计信息
    stat = ImageStat.Stat(img)
    # 获取图片的均值
    mean = stat.mean
    # 获取图片的标准差
    stddev = stat.stddev
    # 设置阈值，超过该值的像素点将被认为是噪声
    threshold = stddev[0] * 2
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 判断该像素点是否是噪声
            if abs(r - mean[0]) > threshold:
                r = int(mean[0])
            if abs(g - mean[1]) > threshold:
                g = int(mean[1])
            if abs(b - mean[2]) > threshold:
                b = int(mean[2])
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    return noise_img

# 去除高斯噪声
def remove_gaussian_noise(img):
    # 获取图片统计信息
    stat = ImageStat.Stat(img)
    # 获取图片的均值
    mean = stat.mean
    # 获取图片的标准差
    stddev = stat.stddev
    # 设置阈值，超过该值的像素点将被认为是噪声
    threshold = stddev[0] * 2
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 判断该像素点是否是噪声
            if abs(r - mean[0]) > threshold:
                r = int(mean[0])
            if abs(g - mean[1]) > threshold:
                g = int(mean[1])
            if abs(b - mean[2]) > threshold:
                b = int(mean[2])
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    return noise_img

# 添加亮度噪声
img = add_brightness_noise(img)
# 添加高斯噪声
img = add_gaussian_noise(img)
# 去除亮度噪声
img = remove_brightness_noise(img)
# 去除高斯噪声
img = remove_gaussian_noise(img)

# 保存图片
img.save("result.png")

代码中，`add_brightness_noise()`和`add_gaussian_noise()`函数分别添加亮度噪声和高斯噪声，`remove_brightness_noise()`和`remove_gaussian_noise()`函数分别去除亮度噪声和高斯噪声。最后将图片保存为`result.png`。