高斯噪声仅作用于图像黑色区域、灰度图加噪无效的问题排查

问题描述 #

问题1：彩色图加噪仅黑色区域有噪声 #

我想要为如下图像添加高斯噪声：

使用以下函数：

def add_noise(image):
    (x, y, channels) = image.shape
    mean = 0
    var = 0.1
    std = np.sqrt(var)
    noise = np.random.normal(loc=mean, scale=std, size=(x, y, channels))
    return image + noise

但得到的结果中噪声仅作用于黑色区域：

我使用如下函数展示加噪图像：

plt.imshow(image, cmap="gray")

请问为何噪声未作用于有色区域？

问题2：灰度图加噪后无变化 #

此外，我尝试将图像转为灰度图后加噪：

def add_noise(image):
    image = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # << added
    (x, y) = image.shape
    mean = 0
    var = 0.1
    std = np.sqrt(var)
    noise = np.random.normal(loc=mean, scale=std, size=(x, y))
    return image + noise

结果却与未加噪的灰度图一致：

即加噪操作未生效，这是为什么？

问题解答 #

问题1的原因与解决 #

• 数据类型溢出截断：你的图像默认是uint8类型（像素值范围0-255），而生成的高斯噪声是浮点数，加噪后部分像素值会超出0-255范围，被自动截断为255或0。有色区域本身像素值较高，加正噪声后直接被顶到255，加负噪声的变化也不明显；而黑色区域（像素值0）加正噪声会产生可见的灰度变化，所以看起来只有黑色区域有噪声。
• 显示方式错误：用cmap="gray"显示彩色图时，plt.imshow会自动将彩色通道转换为灰度，进一步掩盖了有色区域的噪声细节。

解决步骤：

1. 加噪前将图像转为浮点类型并归一化到0-1范围，避免溢出；
2. 加噪后将像素值裁剪回0-1范围；
3. 转回uint8类型用于显示；
4. 显示彩色图时不要指定cmap="gray"。

修正后的代码：

import numpy as np

def add_noise(image):
    # 转为浮点并归一化
    image_float = image.astype(np.float32) / 255.0
    x, y, channels = image_float.shape
    mean = 0
    var = 0.1
    std = np.sqrt(var)
    noise = np.random.normal(loc=mean, scale=std, size=(x, y, channels))
    # 裁剪到合法范围并转回uint8
    noisy_image = np.clip(image_float + noise, 0, 1)
    return (noisy_image * 255).astype(np.uint8)

# 显示时使用
plt.imshow(noisy_image)

问题2的原因与解决 #

核心原因还是数据类型截断：OpenCV转换后的灰度图是uint8类型，而你生成的噪声标准差约为0.316，这个小数加到整数像素值上会被直接丢弃（整数类型自动截断小数部分），所以像素值几乎没有变化，看起来和原图一致。

解决步骤：
和彩色图处理逻辑一致，先转浮点归一化，加噪后裁剪再转回uint8。

修正后的代码：

import numpy as np
import cv2 as cv

def add_noise(image):
    image_gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    # 转为浮点并归一化
    image_float = image_gray.astype(np.float32) / 255.0
    x, y = image_float.shape
    mean = 0
    var = 0.1
    std = np.sqrt(var)
    noise = np.random.normal(loc=mean, scale=std, size=(x, y))
    # 裁剪到合法范围并转回uint8
    noisy_image = np.clip(image_float + noise, 0, 1)
    return (noisy_image * 255).astype(np.uint8)

# 显示时使用
plt.imshow(noisy_image, cmap="gray")

内容的提问来源于stack exchange，提问作者tail