OpenCV 图像噪音添加：高斯噪音和椒盐噪音

使用 OpenCV 给图像添加不同的噪音可以通过以下步骤进行：

1. 导入必要的库：

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

2. 读取图像：

image = cv2.imread('path_to_image', cv2.IMREAD_COLOR)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # 将图像转换为RGB格式显示

3. 添加高斯噪音：

mean = 0  # 噪音均值
stddev = 50  # 噪音标准差
gaussian_noise = np.random.normal(mean, stddev, image.shape).astype(np.uint8)
noisy_image = cv2.add(image, gaussian_noise)

4. 添加椒盐噪音：

salt_pepper_noise = np.zeros(image.shape, np.uint8)
prob = 0.01  # 噪音比例
coords = [np.random.randint(0, i - 1, int(image.size * prob)) for i in image.shape]
salt_pepper_noise[coords] = 255  # 添加白色噪点
salt_pepper_noise[coords[0], coords[1], 1] = 255  # 添加绿色噪点
noisy_image = cv2.add(image, salt_pepper_noise)

5. 显示原始图像和添加噪音后的图像：

plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title('Original Image')
plt.axis('off')

plt.subplot(1, 2, 2)
plt.imshow(noisy_image)
plt.title('Noisy Image')
plt.axis('off')

plt.show()

在上述代码中，可以调整stddev参数来改变高斯噪音的强度，调整prob参数来改变椒盐噪音的比例。根据不同的参数设置，可以观察到噪音对图像的影响。

请注意，这只是添加噪音的一种简单方法，OpenCV还提供了其他方法和参数来添加不同类型的噪音。具体的实现方式可以根据需求进行调整。

通过学习如何在图像中添加噪音，您可以更好地理解图像处理中的噪声问题，并学习如何处理和消除噪声。这对于图像识别、图像恢复等应用领域非常重要。