高斯噪聲
摘要：
影象常常受到一些隨機誤差的影響而退化，我們通常稱這個退化為噪聲。在影象的捕獲、傳輸或者處理過程中都有可能產生噪聲，噪聲可能是依賴於影象內容，可能無關。
噪聲一般由其頻率的特徵來刻畫，理想的噪聲稱為白噪聲，高斯噪聲就屬於白噪聲的一種，為白噪聲的一個特例。服從高斯（正態）分佈，在一維的情況下，...
影象常常受到一些隨機誤差的影響而退化，我們通常稱這個退化為噪聲。在影象的捕獲、傳輸或者處理過程中都有可能產生噪聲，噪聲可能是依賴於影象內容，可能無關。
噪聲一般由其頻率的特徵來刻畫，理想的噪聲稱為白噪聲，高斯噪聲就屬於白噪聲的一種，為白噪聲的一個特例。服從高斯（正態）分佈，在一維的情況下，概率密度函式為
Line"/>
加性噪聲，在影象通過訊號傳輸的時候，產生的噪聲一般與影象訊號無關，這種獨立於訊號的退化稱為加性噪聲，模型表示為
程式碼實現
#include<opencv2/opencv.hpp>
#include <random>
namespace mycv {
const double pi = 3.1415926;
void createGaussianNoise(cv::Mat& src, cv::Mat& dst)
{
dst = src.clone();
//1、灰階範圍[0， G - 1], 取sigma > 0; sigma越小噪聲越小
const int G = 256;
double sigma = 20;
for(int i = 0; i < src.rows; ++i)
for (int j = 0; j < src.cols - 1; ++j)
{
//2、產生位於[0, 1]獨立隨機數gamma、phi
std::random_device rd;
std::mt19937 gen(rd());
double gamma = std::generate_canonical<double, 2>(gen);
double phi = std::generate_canonical<double, 2>(gen);
//3、計算z1、z2
double z1 = sigma * std::cos(2 * pi*phi)*std::sqrt(-2 * std::log(gamma));
double z2 = sigma * std::sin(2 * pi*phi)*std::sqrt(-2 * std::log(gamma));
//4、
double tmpxy = src.at<uchar>(i, j) + z1;
double tmpxy1 = src.at<uchar>(i, j + 1) + z2;
//5
if (tmpxy < 0)
dst.at<uchar>(i, j) = 0;
else if (tmpxy > G - 1)
dst.at<uchar>(i, j) = G - 1;
else
dst.at<uchar>(i, j) = static_cast<int>(tmpxy);
if (tmpxy1 < 0)
dst.at<uchar>(i, j + 1) = 0;
else if (tmpxy > G - 1)
dst.at<uchar>(i, j + 1) = G - 1;
else
dst.at<uchar>(i, j + 1) = static_cast<int>(tmpxy1);
}
}
}//mycv
int main(void)
{
cv::Mat src = cv::imread("lena.jpg", 0);
if (src.empty()) return -1;
cv::Mat dst;
mycv::createGaussianNoise(src, dst);
cv::imshow("src", src);
cv::imshow("dst", dst);
cv::waitKey(0);
return 0;
}//main
