1061428 影像處理作業 5

1.作業說明

撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。示出。

2.使用環境

   Python 3.7

   OpenCV 3.4.9

3.實作方法

   gaussian_noise添加gaussian噪點

   np.random.normal會呈現常態分布

   np.clip會調整array的範圍

np.uint8將噪點矩陣轉成unsigned int並乘255使能與原圖疊合

使用cv2.medianBlur(size = 5)來消除噪點

salt_and_pepper 添加黑白噪點

np.ceil取得噪點上限

np.random.randint隨機決定何處要更改成噪點

使用cv2.medianBlur(size = 5)來消除噪點

4.顯示結果

原圖/高斯/降噪

原圖/黑白噪點/降噪

1051728 影像處理作業5

一、題目：
Image noise processing 
撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。 
(a) 說明加上的雜訊類型(Gaussian, Uniform, Salt-and-Pepper 等)與數量(20%, 50%等) 
(b) 說明所設計去除雜訊的方法 
設計與測試多種雜訊分數越高 

二、作業環境：
1. Windows10
2. Visual Studio 2017
3. OpenCV 3.4.3

三、程式說明：
1. 將圖片以灰階的圖片導入(CV_LOAD_IMAGE_GRAYSCALE)
2. Gaussian 方面參數設定為 μ = 128, σ = 20
3. Uniform方面: 以此函數randu(uniform_noise, 0, 255) ，取得隨機的uniform distribution數值
4. Impulse方面: 將 threshold value 定義為 250
5. Salt-and-Pepper方面: 將定義 black 為 noise < 30, white 為 noise > 255
(補充：為了避免過度降低圖片品質，每個noise都有乘上一個參數去減少noise對於原圖的影響)

四、執行結果：

說明	灰階原圖
圖片 結果
說明	Gaussian	Uniform
圖片 結果
說明	Impulse	Salt-and-Pepper
圖片 結果

1051532 影像處理作業 5

一、作業說明

        撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。

(a) 說明加上的雜訊類型(Gaussian, Uniform, Salt-and-Pepper 等)與數量(20%, 50%等)

(b)說明所設計去除雜訊的方法

二、作業環境

• OS:Windows 10
• Visual Studio 2017+OpenCV3.4.0 Debug x64 

三、操作步驟

1. 利用cin輸入檔名
2. 用cv.imread輸入圖檔
3. 將原圖加上cv.randn()產生Gaussian Noise圖像
4. 利用cv.randu()產生隨機圖片
5. 標註產生圖片的特定值(<20及>235)
6. 於原圖上將標記位置覆蓋並給予白點及黑點產生Salt-and-pepper圖
7. 利用cv.GaussainBlur()處理Gaussain Noise圖
8. 利用cv.MediamBlur()處理Salt-and-pepper
9. cv.imshow()顯示原圖及雜訊圖

四、執行結果

原圖

Mean=0 標準差=20

Mean=0 標準差=80

Salt-and-Pepper

Mean=0 標準差=20 高斯模糊Ksize=(3,3)

Mean=0 標準差=80 高斯模糊Ksize=(5,5)

Salt-and-pepper 中值過濾

五、參考資料

https://stackoverflow.com/questions/22937589/how-to-add-noise-gaussian-salt-and-pepper-etc-to-image-in-python-with-opencv/30609854

https://answers.opencv.org/question/36309/opencv-gaussian-noise/

1052420 影像處理作業 5

一、作業題目:

　　撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。

　　(a) 說明加上的雜訊類型(Salt-and-Pepper、Gaussian)

　　(b)說明所設計去除雜訊的方法

二、環境設置: 
      1. windows 10
      2. Spyder(Anaconda3)  
      3. opencv:4.2.0
      4. python 3.7.4

三、實作方式:

   -  gaussian 增躁以及 gaussian 平滑去噪

      1.cv2.imread讀取圖片
      2.使用 skimage.util.random_noise函式製造gaussian_noise的常態分佈
         (mean=0.1, var=0.05)
      3.使用cv2.GaussianBlur函式降躁並設定 kernel_size=(5,5)、sigma = 1.5

      4.使用迴圈輸出圖片
   -  Salt、Pepper、Salt & Pepper 增噪並使用median blur 去噪
       1.cv2.imread讀取圖片

      2.使用 skimage.util.random_noise函式製造Salt、Pepper、Salt & Pepper noise 
         並設定比例 (Salt:0.2, Pepper:0.2 ,  Salt &Pepper=0.2、salt_vs_pepper=0.5)

      3.使用cv2.medianBlur函式降躁並設定遮罩值為5測試結果較佳

      4.使用迴圈輸出圖片
    

四、執行結果:

                               1. Gaussian 增噪並用 Gaussian 平滑去噪

                               

                               2. Salt、Pepper、Salt & Pepper 增噪並使用median blur 去噪

1041569 影像處理作業5

一、作業題目:

       撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。
      (a) 說明加上的雜訊類型(Gaussian, Uniform, Salt-and-Pepper 等)與數量(20%, 50%等)
      (b)說明所設計去除雜訊的方法

二、環境設置:
       
        Visual Studio 2017
        opencv 4.2.0

三、實作方式:

       1.產生雜訊
          gaussian_noise利用randn.normal將原始圖片產生出gaussiannoise

          salt_and_pepper_noise利用randn.unnormal產生出Salt and pepper noise

        2.去除雜訊

          gaussianBlur把gaussian_noise輸出成gaussian Blur

          medianBlur把salt and pepper noise輸出成median Blur

四、執行結果:

        gaussian noise: 

        salt and pepper noise:

    

1051520 影像處理作業5

一、作業說明
撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。

二、使用環境
OS : Win10
編譯器 : VS2019
語言 : C++
OpenCV版本 : 4.0.1

三、實作說明
椒鹽雜訊:透過隨機取點並給以高亮度(鹽)已及低亮度(胡椒)來產生雜訊。

高斯雜訊:複製圖片然後取得圖像通道及列數，接著判斷矩陣是否連續，然後依造符合高斯分佈結果的函式添加隨機變量。

均值濾波:利用OPENCV提供的blur函式，設定取值範圍大小，函式會將範圍內的點做平均替換中心點的像素值。

高斯濾波:利用OPENCV提供的GaussianBlur函式，設定取值範圍大小，利用高斯函數，越靠近中心的點權重越大，將範圍內的點做加權平均替換中心點的像素值。

中值濾波:利用OPENCV提供的medianBlur函式，設定取值範圍大小，將範圍中的點以中位數取代中心點像素值。

雙邊濾波:利用OPENCV提供的bilateralFilter函式，設定取值範圍大小，將雙邊模糊後再提高圖像對比度。

四、執行結果

1041564 影像處理作業5

一、作業題目:
撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。(
a) 說明加上的雜訊類型(Gaussian, Uniform, Salt-and-Pepper 等)與數量(20%, 50%等)
(b)說明所設計去除雜訊的方法

二、環境設置:
1.Visual Studio 2017
 2.opencv 4.2.0

三、實作方式:
1.imread讀取照片
2.randn製造gaussian_noise
3.randu製造uniform_noise
4.threshold製造impulse_noise
5.將原圖分別加上50%的gaussian noise,uniform_noise,impulse_noise
6.分別使用平均模糊、中位數模糊、高斯模糊去除雜質

四、結果:

原圖

加入高斯雜訊

加入uniform雜訊

加入salt-and-peppr雜訊

高斯模糊處理高斯雜訊

高斯處理salt-and-peppr

高斯處理uniform

平均數處理高思

平均數處理salt-and-peppr

平均數處理uniform

中位數處理高斯

中位數處理salt-and-peppr

中位數處理uniform

1061526 影像處理作業5

1.作業說明

撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。
(a) 說明加上的雜訊類型(Gaussian, Uniform, Salt-and-Pepper 等)與數量(20%, 50%等)
(b) 說明所設計去除雜訊的方法

2.使用環境

Visual studio 2019 + OpenCV 4.0.1

3.實作方法

randu()+setTo()產生salt and pepper noise

medianBlur()將圖做中值平滑

randn()產生一個圖並和原圖做疊加產生Gaussian noise

GaussianBlur()將圖做高斯平滑

4.顯示結果

1051537 影像處理作業 5

一、作業要求
撰寫一個程式(a)在一張圖片中將上雜訊，(b)設計方法將雜訊去除。
(a) 說明加上的雜訊類型(Gaussian, Uniform, Salt-and-Pepper 等)與數量(20%, 50%等)
(b) 說明所設計去除雜訊的方法
設計與測試多種雜訊分數越高 


二、使用環境
       1.  Visual Studio 2017
       2.  Python 3.7
       3.  OpenCV 4.1.1.26
       4.  numpy 1.17.1
       5.  math
       6.  random

三、 實作方式
      1.讀灰階圖
      2.對圖加上椒鹽雜訊以及高斯雜訊 
      3.對加入的兩張雜訊圖做去雜訊計算

四、 實作結果

 灰階原圖

 

  20%椒鹽雜訊

 

20%椒鹽雜訊做median_filter

20%椒鹽雜訊做mean_filter

 

20%椒鹽雜訊做max_filter

 

20%椒鹽雜訊做min_filter

 

20%椒鹽雜訊做Alpha_trimmed_mean_filter

 

20%椒鹽雜訊做Adaptive_median_filter

 

mean=30,sigma=30,20%高斯雜訊

 

 mean=30,sigma=30,20%高斯雜訊做median_filter

 

 mean=30,sigma=30,20%高斯雜訊做mean_filter

 

 mean=30,sigma=30,20%高斯雜訊做max_filter

 

 mean=30,sigma=30,20%高斯雜訊做min_filter

 

 mean=30,sigma=30,20%高斯雜訊做Alpha_trimmed_mean_filter

 

mean=30,sigma=30,20%高斯雜訊做Adaptive_median_filter