Matlab为图像添加噪声

最新推荐文章于 2025-06-01 14:49:46 发布

JennyBi

最新推荐文章于 2025-06-01 14:49:46 发布

阅读量1.6w

点赞数 19

CC 4.0 BY-SA版权

分类专栏： Matlab 文章标签：图像噪声

本文链接：https://blog.csdn.net/JennyBi/article/details/100118628

Matlab 专栏收录该内容

3 篇文章

订阅专栏

本文详细介绍了如何使用MATLAB在图像上添加高斯噪声、泊松噪声和椒盐噪声，并对比了不同噪声类型在图像上的视觉效果。同时，通过Python绘制了图像的直方图，进一步分析了噪声对图像的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

img=imread('D:/pattern.jpg');
imshow(img);

添加高斯噪声

>> img_gaussian=imnoise(img, 'gaussian' , 0, 0.02 ); #均值为0，方差为0.02
>> imshow(img_gaussian);

添加泊松噪声

>> img_poisson=imnoise(img, 'poisson' );
>> imshow(img_poisson);

添加椒盐噪声

>> img_salt=imnoise(img, 'salt & pepper' , 0.02 );
>> imshow(img_salt);

总结：
在噪声密度方面，高斯噪声在图像上的表现和泊松噪声密度分布相似，属于密集分布型，噪点之间呈一定程度的混叠，而椒盐噪声分布较稀疏，噪点各自独立。
在噪声强度方面，由其对应的残差图白色像素亮度可知，椒盐噪声噪点最亮，强度最高，高斯噪声次之，早点较模糊，泊松噪声强度较低，纹理图中白色像素几乎不可见。

补充：python绘制图像的直方图

import cv2    
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread("gaussian.jpg")
img=img.flatten()
n, bins, patches = plt.hist(img, bins=256, density=1, facecolor='green', alpha=0.75)

plt.show()