我正在尝试为图像添加噪点，然后去噪以查看我的对象检测算法的差异。所以我用 C++ 开发了 OpenCV 代码来检测图像中的一些对象。我想测试代码的健壮性，所以尝试添加一些噪音。以这种方式想检查当向图像添加噪声时对象检测率如何变化。所以，首先添加一些像这样的随机高斯噪声
cv::Mat noise(src.size(),src.type());
float m = (10,12,34);
float sigma = (1,5,50);
cv::randn(noise, m, sigma); //mean and variance
src += noise;
我得到了这些图片：
那么有没有更好的噪音模型？那么如何去噪呢。有没有去噪算法？
【问题讨论】：
float m = (10,12,34); 将 m 计算为 34。
OpenCV 带有 Photo 包，您可以在其中找到非局部均值去噪算法的实现。文档可以在这里找到： http://docs.opencv.org/3.0-beta/modules/photo/doc/denoising.html
据我所知，它是 OpenCV 2.4 和 OpenCV 3.x 中唯一合适的去噪算法
除了 randn 之外，我不知道 OpenCV 中还有任何其他噪声模型。但是，添加执行此操作的自定义函数应该不是问题。 python中有一些很好的例子（你应该没有问题将它重写为C++，因为OpenCV API保持大致相同）How to add noise (Gaussian/salt and pepper etc) to image in Python with OpenCV
还有一件事我不明白：如果你可以产生噪声，如果你已经有了没有噪声的原始图像，为什么还要使用某种算法对图像进行去噪？
【讨论】：
查看本教程，它可能会对您有所帮助。
http://docs.opencv.org/trunk/d5/d69/tutorial_py_non_local_means.html
特别是这部分：
OpenCV 提供了这种技术的四种变体。
cv2.fastNlMeansDenoising() - 适用于单个灰度图像
cv2.fastNlMeansDenoisingColored() - 适用于彩色图像。
cv2.fastNlMeansDenoisingMulti() - 适用于捕获的图像序列 在短时间内（灰度图像）
cv2.fastNlMeansDenoisingColoredMulti() - 与上面相同，但用于颜色 图片。
常见的参数有：
h : 决定过滤器强度的参数。较高的 h 值可消除噪声 更好，但也会删除图像的细节。 （10 可以）
hForColorComponents ：与 h 相同，但仅适用于彩色图像。 （一般 同 h)
templateWindowSize ：应该是奇数。 （推荐7）
searchWindowSize ：应该是奇数。 （推荐21）
并为图像添加高斯噪声，也许这个线程会有所帮助：
【讨论】：