文章首发于个人博客：https://xydida.com/2022/2/27/ComputerVision/salt-and-pepper-noise/，转载请联系作者。

处理图像时，我们用的图片往往都会有很多噪声。在黑暗中或是设备感光器受到影响，拍出来的图像就会有很多噪声，俗称“噪点”，Salt & Pepper就是其中一种。为什么会叫盐和胡椒粉？因为这些噪声不是白的就是黑的，看起来很像是在图片上撒了盐和胡椒粉，而更专业点的会叫它脉冲噪声，这是在图像信号中突然且尖锐的(sudden and sharp)扰动导致图片变得粗糙。

添加噪声

手动制造Salt Pepper噪声：

function salt_pepper()
img=double(imread('fruit_market.jpg')) ./ 255;

rows=size(img,1);
cols=size(img,2);

r=reshape(img(:,:,1),1,[]);
g=reshape(img(:,:,2),1,[]);
b=reshape(img(:,:,3),1,[]);

snp=rand(1, rows * cols) <= .1;

for z=1:length(snp)
    if snp(z)
        rn=round(rand());
        r(z)=rn;
        g(z)=rn;
        b(z)=rn;
    end
end

img_out=reshape(r, rows, cols);
img_out(:,:,2)=reshape(g, rows, cols);
img_out(:,:,3)=reshape(b, rows, cols);

figure;
subplot(1,2,1);
imshow(img);
subplot(1,2,2);
imshow(img_out);
end

运行效果：

放大看就是黑色和白色的点：

强度图

上面提到Salt Pepper噪声是脉冲噪声，突然且尖锐的干扰信号造成原始图像信号抖动，那我再来对比下图片的强度(intensity)，上代码：

>> x=[0 size(img, 2)];
>> y=[size(img,1)/2 size(img,2)/2];

>> c=improfile(img,x,y);
>> figure;
>> subplot(1,2,1);
>> imshow(img);
>> hold on;
>> plot(x,y,'r');
>> subplot(1,2,2);
>> plot(c(:,1,1), 'g');

效果：

上半部分红线所在的像素，下半部分是像素green通道的强度图，因为彩色图片有r,g,b三通道。再来看看加过噪音后的图：

代码差不多，就不贴了。可以明显看到加了噪音后线图非常不稳定，为了加强效果，我把两个折线图放在一起：

可见，像素中细微的差别到图片的强度图中都会被放大。

降噪

处理图片噪声的方法有很多，这里要介绍的是Median Filter，主要原理是将滑动窗口中的像素点排序后取中位数作为新的像素点，如下图：

实际测试中，我们使用3x3窗口，实际效果：

上代码：

% median filter
new_h=H-2;
new_w=W-2;
filter_img=zeros(new_h, new_w);

for p=1:C
    for j=2:new_h-1
        for i=2:new_w-1
            t=median(reshape(img_out(j-1:j+1,i-1:i+1,p), 1,9));
            filter_img(j,i,p)=t;
        end
    end
end

subplot(1,2,2);
imshow(filter_img);

上图使用了10%的噪点率，提高到25%看看：

可以看到median filter起到了很大的效果，但同时我们可以看到，广告牌上原本的字体更模糊了。原因呢，是因为取了中位数后，像素中的最大值，最小值受到影响，换句话说就是图像本身也带有高频和低频信号，一番操作过后，这些信号得到削弱，自然就变得模糊（Blurry）了，再看看广告牌的边，变“毛”了，这也是Median filter带来的另一个副作用，产生更多冗余像素。

©️版权所有，转载请联系作者