在 C/C++ 中實現椒鹽噪聲

椒鹽噪聲（Salt-and-Pepper Noise），也稱為脈沖噪聲（Impulse Noise），是數字圖像中常見的一種噪聲類型。它的特點是在圖像中隨機出現純白色（鹽）或純黑色（椒）的像素點，看起來就像在圖像上撒了鹽和胡椒一樣。這種噪聲通常由圖像傳感器、傳輸錯誤或存儲介質損壞等原因引起。

本文將介紹椒鹽噪聲的基本原理，并提供一個使用 C/C++ 實現向圖像添加椒鹽噪聲的示例。

什么是椒鹽噪聲？

椒鹽噪聲會隨機地將圖像中的一些像素替換為最大值（通常是255，代表“鹽”像素，即白色）或最小值（通常是0，代表“椒”像素，即黑色）。其他未受影響的像素則保持其原始值。

主要特點：

• 外觀： 圖像中散布著孤立的亮點和暗點。
• 影響： 噪聲像素的值與周圍像素的值有顯著差異。
• 密度： 椒鹽噪聲的強度通常用噪聲密度來描述，即圖像中受噪聲污染的像素所占的百分比。

添加椒鹽噪聲的算法

向圖像添加椒鹽噪聲的基本算法步驟如下：

1. 遍歷圖像像素： 依次處理圖像中的每一個像素，或者隨機選擇一定比例的像素進行處理。
2. 生成隨機數： 對每個待處理的像素，生成一個隨機數（通常在 [0, 1] 區間內）。
3. 判斷是否添加噪聲：
   • 將此隨機數與預設的噪聲密度閾值 d 進行比較。如果隨機數小于 d，則該像素將被噪聲污染。
4. 確定噪聲類型（鹽或椒）：
   • 如果像素被確定為噪聲點，則再生成一個隨機數（例如，也在 [0, 1] 區間內）。
   • 根據這個新的隨機數決定是添加“鹽”噪聲還是“椒”噪聲。例如，可以設定一個概率 p_salt（通常為0.5），如果隨機數小于 p_salt，則將像素值設為最大值（如255）；否則，設為最小值（如0）。
5. 保持原樣： 如果步驟3中判斷像素不被噪聲污染，則其像素值保持不變。

C/C++ 實現示例

下面是一個簡單的 C/C++ 函數，用于向灰度圖像（以二維數組表示）添加椒鹽噪聲。為了簡化，我們假設像素值范圍是 0 到 255。

#include <iostream>
#include <vector>
#include <cstdlib> // 用于 rand() 和 srand()
#include <ctime>   // 用于 time()// 假設圖像數據結構
// 這里使用 std::vector<std::vector<int>> 來表示灰度圖像
// 實際應用中可能是自定義的圖像類或指向像素數據的指針/*** @brief 向灰度圖像添加椒鹽噪聲* @param image 圖像數據 (引用傳遞，會被直接修改)* @param noiseDensity 噪聲密度 (0.0 到 1.0)，表示受影響像素的比例* @param saltPepperRatio “鹽”噪聲相對于總噪聲的比例 (0.0 到 1.0)* 例如，0.5 表示鹽和椒的概率各占一半*/
void addSaltAndPepperNoise(std::vector<std::vector<int>>& image, double noiseDensity, double saltPepperRatio = 0.5) {if (image.empty() || image[0].empty()) {std::cerr << "錯誤：圖像數據為空！" << std::endl;return;}if (noiseDensity < 0.0 || noiseDensity > 1.0) {std::cerr << "錯誤：噪聲密度必須在 [0.0, 1.0] 之間！" << std::endl;return;}if (saltPepperRatio < 0.0 || saltPepperRatio > 1.0) {std::cerr << "錯誤：鹽/椒比例必須在 [0.0, 1.0] 之間！" << std::endl;return;}int rows = image.size();int cols = image[0].size();// 初始化隨機數生成器// 注意：srand() 最好在程序開始時調用一次，而不是每次調用函數時都調用// 這里為了示例的獨立性，放在函數內部，但實際項目中應避免重復調用// static bool srand_called = false;// if (!srand_called) {//     srand(static_cast<unsigned int>(time(0)));//     srand_called = true;// }for (int i = 0; i < rows; ++i) {for (int j = 0; j < cols; ++j) {// 生成一個0到1之間的隨機數double randVal = static_cast<double>(rand()) / RAND_MAX;if (randVal < noiseDensity) {// 該像素被噪聲污染double saltOrPepper = static_cast<double>(rand()) / RAND_MAX;if (saltOrPepper < saltPepperRatio) {image[i][j] = 255; // 鹽噪聲 (白色)} else {image[i][j] = 0;   // 椒噪聲 (黑色)}}// else: 像素保持不變}}
}// 輔助函數：打印圖像 (用于測試)
void printImage(const std::vector<std::vector<int>>& image) {if (image.empty()) return;for (const auto& row : image) {for (int pixel : row) {std::cout.width(4); // 設置輸出寬度，方便對齊std::cout << pixel << " ";}std::cout << std::endl;}
}int main() {// 初始化隨機數種子 (在main函數開始時調用一次)srand(static_cast<unsigned int>(time(0)));// 創建一個示例圖像 (例如 5x5)int rows = 5, cols = 5;std::vector<std::vector<int>> myImage(rows, std::vector<int>(cols));// 填充一些初始像素值 (例如，都設為128)for (int i = 0; i < rows; ++i) {for (int j = 0; j < cols; ++j) {myImage[i][j] = 128;}}std::cout << "原始圖像:" << std::endl;printImage(myImage);// 添加椒鹽噪聲double density = 0.2; // 20% 的像素會被噪聲污染double saltRatio = 0.5; // 鹽和椒的比例為 1:1addSaltAndPepperNoise(myImage, density, saltRatio);std::cout << "\n添加椒鹽噪聲后的圖像 (密度: " << density * 100 << "%):" << std::endl;printImage(myImage);return 0;
}

代碼說明

1. addSaltAndPepperNoise 函數：

   • 接收一個二維 std::vector<std::vector<int>> 作為圖像數據。實際項目中，你可能會使用更專業的圖像庫（如 OpenCV）或自定義的圖像數據結構。
   • noiseDensity 參數控制噪聲的多少。例如，0.1 表示大約10%的像素會被修改。
   • saltPepperRatio 參數控制噪聲點中“鹽”像素（白色）所占的比例。0.5 表示鹽和椒出現的概率均等。
   • 函數遍歷圖像中的每個像素。
   • 對于每個像素，生成一個隨機數 randVal。如果 randVal 小于 noiseDensity，則該像素被選為噪聲點。
   • 如果像素是噪聲點，再生成一個隨機數 saltOrPepper 來決定它是鹽（255）還是椒（0）。

2. 隨機數生成：

   • srand(static_cast<unsigned int>(time(0))) 用于播種隨機數生成器。這一步通常在程序開始時執行一次，以確保每次運行程序時都能得到不同的隨機序列。在示例中，為了獨立性，它被注釋在了函數內部，并在 main 函數中調用。
   • rand() 生成一個偽隨機整數，static_cast<double>(rand()) / RAND_MAX 將其歸一化到 [0.0, 1.0] 范圍內。

3. main 函數示例：

   • 創建了一個簡單的 5x5 圖像，并用中間灰度值 (128) 初始化。
   • 調用 addSaltAndPepperNoise 函數添加噪聲。
   • 打印原始圖像和處理后的圖像以供比較。

注意事項與改進

• 彩色圖像： 對于彩色圖像（如RGB），可以獨立地對每個顏色通道應用椒鹽噪聲，或者只對亮度/強度通道應用噪聲。
• 隨機數生成器： C++11 及更高版本提供了更高級的隨機數生成工具（在 <random> 頭文件中），如 std::mt19937 和 std::uniform_real_distribution，它們通常能提供比 rand() 更好的隨機性。
• 性能： 對于非常大的圖像，直接遍歷所有像素并為每個像素生成隨機數可能不是最高效的方法。但對于大多數情況，這種方法的簡單性和清晰度是足夠的。
• 圖像庫： 如果你正在進行更復雜的圖像處理任務，建議使用像 OpenCV 這樣的成熟圖像處理庫。這些庫通常內置了添加各種類型噪聲的函數，并且處理圖像的加載、保存和操作更為便捷。

總結

椒鹽噪聲是一種簡單的圖像噪聲模型，通過在C/C++中利用隨機數生成器，我們可以有效地模擬這種噪聲。理解其原理并能夠手動實現它，對于學習圖像處理和計算機視覺的基礎非常有幫助。