Python-OpenCV单通道加噪(cv2.split通道分离+skimage+cv2.merge通道合并)
2017-09-15 15:15
441 查看
单通道加噪声实现过程
代码流程
代码示范
图示
使用skimage的
使用opencv函数
2.分割通道后图像:
B:
G:
R:
3.b通道加上gaussian noise:
4.合并后 :
原图对比:
合并后:
似乎看起来没什么不同,将合并后的图像,再把它的blue channel分割出来:
图示:
可以看出,在blue channel上确实加了噪声的!
另外,可以看出,cv2.split()函数分离得到各个通道的灰度值(单通道图像)。cv2.merge()函数是合并单通道成多通道(不能合并多个多通道图像)。而在cv2.split()分离出的图像基础上,扩展另外两个通道,但另外两个通道值为0, 就可以得到下面这样的图像。
代码如下:
Blue channel:
Green channel:
Red channel:
代码流程
代码示范
图示
单通道加噪声实现过程
代码流程
使用opencv函数split,分割通道;
使用skimage的
random_noise函数对某通道加噪声;
使用opencv函数
merge,合并通道
代码示范
def addNoiseByChannel(img_path): origin_img = cv2.imread(img_path) # BGR # 分割通道 (b, g, r) = cv2.split(origin_img) # 或者只需要取某个单独通道 # b = cv2.split(origin_img)[0] # g = cv2.split(origin_img)[1] # g = cv2.split(origin_img)[2] # add gaussian noise in channel blue only b_noise_img = skimage.util.random_noise(b, mode='gaussian', seed=None, clip=True) cv2.namedWindow('noise_img') cv2.imshow('b',b) cv2.imshow('b_noise_img',b_noise_img) # 在 skimage.util.random_noise中, 图像将会被转换为float64类型的 # 因此在合并的时候,g和r通道的图像也应该转换为float64类型的,才能成功合并通道 g = skimage.util.img_as_float(g) cv2.imshow('g',g) r = skimage.util.img_as_float(r) cv2.imshow('r',r) # print b_noise_img.dtype, g.dtype, r.dtype # 合并通道 noise_img = cv2.merge([b_noise_img, g, r]) cv2.imshow('noise_img',noise_img) cv2.waitKey() cv2.destroyAllWindows()
图示
原图:2.分割通道后图像:
B:
G:
R:
3.b通道加上gaussian noise:
4.合并后 :
原图对比:
合并后:
似乎看起来没什么不同,将合并后的图像,再把它的blue channel分割出来:
split_b_of_merge = cv2.split(noise_img)[0]
图示:
可以看出,在blue channel上确实加了噪声的!
另外,可以看出,cv2.split()函数分离得到各个通道的灰度值(单通道图像)。cv2.merge()函数是合并单通道成多通道(不能合并多个多通道图像)。而在cv2.split()分离出的图像基础上,扩展另外两个通道,但另外两个通道值为0, 就可以得到下面这样的图像。
代码如下:
origin_img = cv2.imread(img_path) # BGR (b, g, r) = cv2.split(origin_img) zeros = np.zeros(origin_img.shape[:2], dtype = "uint8") cv2.imshow("Blue", cv2.merge([b, zeros, zeros])) cv2.imshow("Green", cv2.merge([zeros, g, zeros])) cv2.imshow("Red", cv2.merge([zeros, zeros, r])) cv2.waitKey() cv2.destroyAllWindows()
Blue channel:
Green channel:
Red channel:
相关文章推荐
- python opencv 图片通道分离与合并
- OpenCV之Python学习笔记(1)(2): 图像的载入、显示和保存 图像元素的访问、通道分离与合并
- 小强学Python+OpenCV之-1.4.5通道拆分(cv2.split)及合并(cv2.merge)
- Python笔记——python OpenCV 图像通道分离和合并
- python3-opencv库(3)--图片颜色空间转换,利用HSV进行物体跟踪,图像通道分离与合并
- python OpenCV 图像通道分离和合并 (四)
- 【基于C++和Python的Opencv3学习笔记之颜色空间缩减、ROI提取及多通道分离合并】
- python OpenCV 图像通道分离和合并 (四)
- OpenCV Python教程之图像元素的访问、通道分离与合并
- 6-python图像处理opencv(2.图像像素访问,通道分离与合并)
- OpenCV-python之通道的分离和合并
- python中图像通道分离与合并
- 【OpenCV数字图像处理】(5) 【Python编程】(5) 像素访问之添加椒盐实例 通道分离与合并
- OpenCV Python教程(2、图像元素的访问、通道分离与合并)
- OpenCV Python教程(2、图像元素的访问、通道分离与合并)
- opencv(10)---对比度亮度调整与通道分离与合并
- 【OpenCV3】图像通道分离与合并——cv::split()与cv::merge()详解
- 【OpenCV学习笔记】十二、图像的对比度和亮度调整及图像通道的分离与合并
- OpenCV Python教程(2、图像元素的访问、通道分离与合并)
- OpenCV-颜色通道的分离、合并