【OpenCV】彩色RGB圖像添加高斯噪聲（Gaussian Noise）

簡介

高斯噪聲是指它的概率密度函數服從高斯分佈（即正態分佈）的一類噪聲，高斯噪聲是一個加性噪聲（加性噪聲一般指熱噪聲、散彈噪聲等，它們與信號的關係是相加，不管有沒有信號，噪聲都存在）。

產生原因：
1）圖像傳感器在拍攝時市場不夠明亮、亮度不夠均勻；
2）電路各元器件自身噪聲和相互影響；
3）圖像傳感器長期工作，溫度過高。

這裏說一下高斯白噪聲：
白噪聲是一種功率譜密度爲常數的隨機信號或隨機過程。換句話說，此信號在各個頻段上的功率是一樣的，由於白光是由各種頻率（顏色）的單色光混合而成，因此此信號的這種具有平坦功率譜的性質被稱作是“白色”，此信號也因此被稱作白噪聲。相對的，其他不具有這一性質的噪聲信號被稱爲有色噪聲（功率譜隨頻率變化）。
當隨機的從高斯分佈中獲取採樣值時，採樣點所組成的隨機過程就是“高斯白噪聲”；同理，當隨機的從均勻分佈中獲取採樣值時，採樣點所組成的隨機過程就是“均勻白噪聲”。
“非白的高斯”噪聲——高斯色噪聲。這種噪聲其分佈是高斯的，但是他的頻譜不是一個常數，或者說，對高斯信號採樣的時候不是隨機採樣的，而是按照某種規律來採樣的。
這麼說來我們添加的高斯噪聲應該大部分都爲高斯白噪聲。

對於灰度圖像的添加高斯噪聲有很多，也比較簡單，沒有什麼疑問。而對於彩色圖像，由於有三個通道，如何將高斯噪聲添加進去也有了不同的方法。目前我見到兩種方法：
（1）將彩色圖像分爲RGB三個通道，對每個通道都添加高斯噪聲，這樣添加的高斯噪聲會在圖像上形成彩色的噪點。
（2）將彩色圖像從RGB顏色模式轉換爲YCC顏色模式，對其中的亮度通道添加高斯噪聲，而後將YCC顏色模式再轉回RGB模式，這樣添加的高斯噪聲在圖像上只會表現出亮度不同的噪點，不對顏色造成影響。
效果如下圖：

原始圖像：

RGB三通道加高斯噪聲圖像：
YCC模式下Y道加高斯噪聲圖像：

OpenCV 代碼

#include <opencv2/opencv.hpp>
#include <iostream>
#include <time.h>

using namespace cv;
using namespace std;

///////////////////////////////////////////////////////////////////////////////////////////////
//1. 將彩色圖像分爲RGB三個通道，對每個通道都添加高斯噪聲，這樣添加的高斯噪聲會在圖像上形成彩色的噪點。
// 方法來源：
///////////////////////////////////////////////////////////////////////////////////////////////
void GaussianNoiseFullChannel(const Mat &src, Mat &dst, double u, double v);


///////////////////////////////////////////////////////////////////////////////////////////////
//2. 將彩色圖像轉爲YCC顏色模式，分離通道，對Y通道添加高斯噪聲，合併通道（噪聲圖像無顏色變化，有亮度變化）
// 方法來源： https://blog.csdn.net/cutelily2014/article/details/50253583
///////////////////////////////////////////////////////////////////////////////////////////////
void GaussianNoiseSingleChannel(const Mat &src, Mat &dst, double u, double v);

int main()
{

	Mat srcImg = imread("C:\\Users\\Wei\\Desktop\\w.jpg",IMREAD_COLOR);//原圖
	Mat dstImg1;
	Mat dstImg2;
	double u = 0.0;
	double v = 15.0;
	
	GaussianNoiseFullChannel(srcImg, dstImg1,u,v);
	GaussianNoiseSingleChannel(srcImg, dstImg2, u, v);

	imshow("img", srcImg);//顯示噪聲圖像；
	imshow("Full Channel", dstImg1);//顯示噪聲圖像；
	imshow("Single Channel", dstImg2);//顯示噪聲圖像；

	imwrite("C:\\Users\\Wei\\Desktop\\dstImg1.jpg", dstImg1);
	imwrite("C:\\Users\\Wei\\Desktop\\dstImg2.jpg", dstImg2);

	waitKey(0);
	destroyAllWindows();
	return 0;
}


void GaussianNoiseSingleChannel(const Mat &src, Mat &dst,double u, double v)
{
	if (src.empty() || src.channels() != 3)
	{
		cout << "Image is empty or not 3 channels" << endl;
		return;
	}

	Mat noiseImg(src.size(), CV_64FC1);          //存放噪聲圖像
	RNG rng((unsigned)time(NULL));               //生成隨機數 （均值，高斯）
	rng.fill(noiseImg, RNG::NORMAL, u, v);       //隨機高斯填充矩陣

	Mat yccImg;                                  //用來進行對原圖像的轉換
	cvtColor(src, yccImg, COLOR_BGR2YCrCb);      //色彩空間轉換；

	Mat sigImg[3];                               //用來存儲單通道圖像
	split(yccImg, sigImg);                       //將圖像分解到單通道,一幅灰度圖像

	sigImg[0].convertTo(sigImg[0], CV_64FC1);    //將uchar轉爲double
	sigImg[0] = sigImg[0] + noiseImg;            //添加高斯噪聲（）
	sigImg[0].convertTo(sigImg[0], CV_8UC1);     //Y通道加高斯噪聲後圖像,自動截斷小於零和大於255的值

	Mat gaussianImg(src.size(), CV_8UC3);        //添加高斯噪聲的圖像；
	merge(sigImg, 3, gaussianImg);               //和並三個通道
	cvtColor(gaussianImg, dst, COLOR_YCrCb2BGR); //色彩空間轉換

	//imshow("noise", sigImg[0]);                //顯示噪聲圖像
}


void GaussianNoiseFullChannel(const Mat &src, Mat &dst,double u,double v) 
{
	if (src.empty() || src.channels() != 3)
	{
		cout << "Image is empty or not 3 channels" << endl;
		return;
	}

	Mat noiseImg(src.size(), CV_64FC3);          //存放噪聲圖像
	RNG rng((unsigned)time(NULL));               //生成隨機數 （均值，高斯）
	rng.fill(noiseImg, RNG::NORMAL, u, v);       //隨機高斯填充矩陣

	Mat gaussianImg;
	src.convertTo(gaussianImg, CV_64FC3);        //將uchar轉換爲double格式
	gaussianImg = gaussianImg + noiseImg;        //添加噪聲
	gaussianImg.convertTo(dst, CV_8UC3);         //將double轉爲uchar 自動截斷小於零和大於255的值

}