为何为不同dtype的二值图像添加噪声时会得到不一致的结果？

核心原因 #

该异常由numpy中uint8类型的算术运算规则导致：uint8是无符号8位整数，取值范围固定为0~255，当两个uint8类型数值相加结果超过255时，不会保留实际值，也不会自动提升精度，而是直接执行模256截断，最终得到和预期完全不符的灰度值。

四类计算结果差异拆解 #

你的代码中四个加噪组合的运算逻辑和结果差异如下：

• noise1_img1 = img1+(noise1*255)：两个操作数均为uint8类型，字体区域原值为255，叠加值为255时，计算结果为(255+255) % 256 = 254，原本应该保持纯白的亮区域反而变成了接近黑色的灰度值，最终导致后续形态学开运算结果异常，也就是你观测到的Result-1。
• noise2_img2 = img2+(noise2*255)：两个操作数均为默认的float64浮点类型，加法不会做截断，255+255的结果为510，后续处理时会被识别为亮值区域，结果符合预期。
• noise1_img2 = img2+(noise1*255)：uint8类型的噪声会被numpy自动提升为float64后参与运算，无溢出截断，结果符合预期。
• noise2_img1 = img1+(noise2*255)：uint8类型的图像会被numpy自动提升为float64后参与运算，无溢出截断，结果符合预期。

修复方案 #

可以通过两种方式避免uint8溢出问题：

1. 使用OpenCV内置的cv2.add()函数执行加法，该函数对uint8类型默认执行饱和运算，超出255的结果直接保留为255：

noise1_img1 = cv2.add(img1, noise1 * 255)

2. 相加前先转换为更高精度的数值类型，相加后裁剪到0~255区间再转回uint8：

noise1_img1 = np.clip(img1.astype(np.int16) + (noise1 * 255), 0, 255).astype(np.uint8)

内容的提问来源于stack exchange，提问作者Rishabh Bhatt