c++ opencv保存加了高斯噪声的图片

使用OpenCV保存经过高斯噪声处理的图片非常简单。首先，我们需要加载原始图片并进行高斯噪声处理，这可以通过使用OpenCV的函数来完成。接下来，我们可以将处理后的图片保存到指定的路径。

以下是一种实现方法：

import cv2
import numpy as np

# 加载原始图片
image = cv2.imread('原始图片路径.jpg')

# 添加高斯噪声处理
mean = 0  # 噪声均值
sigma = 10  # 噪声标准差
noise = np.random.normal(mean, sigma, image.shape).astype(np.uint8)
noisy_image = cv2.add(image, noise)

# 保存处理后的图片
cv2.imwrite('保存路径.jpg', noisy_image)

在上述代码中，我们首先使用`cv2.imread`函数加载原始图片。然后，我们通过调整`mean`和`sigma`的值来控制生成的高斯噪声的强度。接下来，我们使用`np.random.normal`函数生成均值为`mean`，标准差为`sigma`的高斯噪声，并使用`cv2.add`函数将噪声添加到原始图片上，得到处理后的图片。最后，使用`cv2.imwrite`函数将处理后的图片保存到指定路径。

请注意，在代码中需要替换"原始图片路径.jpg"和"保存路径.jpg"为实际的图片路径。另外，根据实际需要，可以调整`mean`和`sigma`的值来控制高斯噪声的强度。

相关问题

opencv c++给视频添加高斯噪声与椒盐噪声

添加高斯噪声可以使用cv::randn()函数来生成高斯分布的随机数，并将其加到图像像素上。具体实现代码如下：

cv::Mat addGaussianNoise(cv::Mat image, double mean, double stddev)
{
    cv::Mat noise = cv::Mat(image.size(), CV_8UC1);
    cv::randn(noise, mean, stddev);
    cv::Mat result = image.clone();
    result += noise;
    return result;
}

其中，mean和stddev分别表示高斯分布的均值和标准差，可以根据需要进行调整。

添加椒盐噪声可以使用cv::randu()函数来生成随机数，并根据生成的随机数将像素值设为黑色或白色。具体实现代码如下：

cv::Mat addSaltAndPepperNoise(cv::Mat image, double noiseRatio)
{
    cv::Mat noise = cv::Mat(image.size(), CV_8UC1);
    cv::randu(noise, 0, 255);
    cv::Mat result = image.clone();
    for (int i = 0; i < image.rows; i++)
    {
        for (int j = 0; j < image.cols; j++)
        {
            double r = (double)cv::rand() / (RAND_MAX + 1.0);
            if (r < noiseRatio / 2)
            {
                result.at<uchar>(i, j) = 0;
            }
            else if (r < noiseRatio)
            {
                result.at<uchar>(i, j) = 255;
            }
        }
    }
    return result;
}

其中，noiseRatio表示噪声比例，即椒盐噪声占图像像素的比例，可以根据需要进行调整。

opencv c++怎么生成并添加高斯噪声

要在OpenCV中生成并添加高斯噪声，可以使用以下步骤：

1. 读取图像：使用`imread()`函数读取要添加噪声的图像。

2. 创建噪声图像：创建一个与原始图像大小相同的噪声图像，可以使用`Mat`类的构造函数来创建一个空的图像。

3. 生成高斯噪声：使用`randn()`函数生成均值为0，标准差为`sigma`的高斯噪声。可以通过乘以标准差并加上均值来获得所需的高斯噪声。

Mat noise = Mat(image.size(), image.type());
randn(noise, Scalar(0), Scalar(sigma));

4. 添加噪声：将生成的高斯噪声添加到原始图像中，可以使用`add()`函数将噪声添加到原始图像中。

Mat noisy_image;
add(image, noise, noisy_image);

5. 显示结果：使用`imshow()`函数显示添加了噪声的图像，使用`waitKey()`函数等待用户按下键盘上的任意键。

imshow("Original Image", image);
imshow("Noisy Image", noisy_image);
waitKey(0);

完整的示例代码如下：

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    Mat image = imread("lena.jpg", IMREAD_GRAYSCALE);

    double sigma = 20;

    Mat noise = Mat(image.size(), image.type());
    randn(noise, Scalar(0), Scalar(sigma));

    Mat noisy_image;
    add(image, noise, noisy_image);

    imshow("Original Image", image);
    imshow("Noisy Image", noisy_image);

    waitKey(0);

    return 0;
}

在上面的示例中，我们生成了一个标准差为20的高斯噪声，并将其添加到原始图像中，最后将添加了噪声的图像显示在屏幕上。