主要内容

imnoise.

向图像添加噪音

描述

j= imnoise(一世,'高斯')添加零均值,高斯白噪声,方差为0.01到灰度图像一世

j= imnoise(一世,'高斯',m添加高斯白噪声与平均值m和差异为0.01。

j= imnoise(一世,'高斯',mvar_gauss.添加高斯白噪声与平均值m和方差var_gauss.

j= imnoise(一世,'localvar',var_local.添加零均值,局部方差的高斯白噪声var_local.

j= imnoise(一世,'localvar',Intensity_map.var_local.增加零平均值,高斯白噪声。噪声的局部方差,var_local.,是图像强度值的函数一世。矢量强度值对噪声方差的映射由矢量指定Intensity_map.

j= imnoise(一世,'泊松')从数据中生成泊松噪声,而不是向数据添加人工噪声。看算法想要查询更多的信息。

j= imnoise(一世,'椒盐')添加盐和胡椒噪声,默认噪声密度0.05。这会影响大约5%的像素。

例子

j= imnoise(一世,'椒盐',D.添加盐和辣椒噪音,在哪里D.是噪音密度。这影响了大致影响d * numel(i)像素。

j= imnoise(一世,'斑点')使用等式增加乘法噪声j = i + n * i, 在哪里N.是均匀分布的随机噪声,平均值0和方差0.05。

j= imnoise(一世,'斑点',var_speckle.添加具有方差的乘法噪声var_speckle.

例子

全部收缩

读取灰度图像并显示它。

我= imread('八..);imshow(i)

图包含轴。轴包含类型图像的对象。

添加盐和辣椒噪声,噪音密度为0.02,到图像。显示结果。

j = imnoise(我,'椒盐',0.02);imshow(j)

图包含轴。轴包含类型图像的对象。

输入参数

全部收缩

灰度图像,指定为数字矩阵。如果一世具有两个以上的维度,然后将图像视为多维灰度图像而不是RGB图像。

imnoise.期望数据类型的像素值双倍的单身的在范围内[0,1]。你可以使用rescale.将像素值调整为预期范围的功能。如果您的图像是类型双倍的或者单身的在范围之外的值[0,1],然后imnoise.在添加噪声之前,将输入像素值输入到范围[0,1]。

笔记

对于泊松噪声,数据类型的图像int16不允许。

数据类型:单身的|双倍的|int16|uint8.|uint16

高斯噪声的平均值,指定为数字标量。

高斯噪声的方差,指定为数字标量。

高斯噪声的局部方差,指定为以下之一:

强度值映射到高斯噪声方差,指定为数字向量。值归一化为范围[0,1]。

您可以绘制噪声方差之间的功能关系var_local.使用命令和图像强度绘图(Intensity_map,var_local)

盐和胡椒噪声的噪声密度,指定为数字标量。噪声施加到大约d * numel(i)像素。

乘法噪声的方差,指定为数字标量。

输出参数

全部收缩

嘈杂的图像,返回与输入图像相同的数据类型的数字矩阵一世。用于数据类型的图像双倍的或者单身的, 这imnoise.在添加噪声后,功能剪辑将像素值输出到范围[0,1]。

算法

  • 均值和方差参数'高斯''localvar', 和'斑点'噪声类型始终指定为图像的类双倍的在范围[0,1]。如果输入图像是不同的类,则imnoise.函数将图像转换为双倍的,根据指定类型和参数添加噪声,将像素值剪切到范围[0,1],然后将噪声图像转换回与输入相同的类。

  • 泊松分布取决于输入图像的数据类型一世

    • 如果一世是双精度,然后输入像素值被解释为泊松分布的手段缩放1E12。例如,如果输入像素具有值5.5E-12,然后将从具有5.5的平均值的泊松分布生成相应的输出像素,然后缩小1E12

    • 如果一世是单精度,使用比例因子是1E6.

    • 如果一世uint8.或者uint16然后,输入像素值直接使用而无需缩放。例如,如果在a中的像素uint8.输入具有值10,然后将从具有平均10的泊松分布生成相应的输出像素。

  • 加上'椒盐'噪音密度D.到一个图像,imnoise.首先将每个像素从打开间隔(0,1)上的标准均匀分布中分配随机概率值。

    • 对于范围内具有概率值的像素(0,D./ 2),像素值设置为0.。设置为的像素数0.大约是d * numel(i)/ 2

    • 对于具有概率值的像素[D./ 2,D.),像素值被设置为图像数据类型的最大值。大约设置为最大值的像素数d * numel(i)/ 2

    • 对于具有概率值的像素[D.1),像素值不变。

扩展能力

也可以看看

|

在R2006A之前介绍