实战项目实现以下功能：
功能 1：为视频每一帧添加椒盐噪声
作用：模拟真实环境中图像传输或采集时可能出现的噪声。
实现方式：
读取视频的每一帧。
随机选择 10000 个像素点，将其设置为黑色（0）或白色（255），生成“椒盐”效果。
输出带噪声的视频帧。
功能 2：对含噪视频帧进行图像平滑处理（去噪）
目标：去除噪声的同时，尽可能保留原图像细节。
可选方法（推荐）：
中值滤波（Median Filter）：对椒盐噪声特别有效，能去除黑白噪点而不模糊边缘。
高斯滤波（Gaussian Blur）：适合轻度噪声，但可能轻微模糊图像。
双边滤波（Bilateral Filter）：在去噪的同时保留边缘细节，效果较好但计算量大。
建议：优先使用 中值滤波（
cv2.medianBlur()），因为它对椒盐噪声效果最好。
功能 3：同时显示三个视频窗口
使用 OpenCV 的
cv2.imshow()创建三个窗口：原视频窗口
加噪视频窗口
去噪后视频窗口
实时播放，逐帧对比效果。
按任意键（如
q）退出播放。
项目完整代码：
import cv2
import numpy as np# 1. 添加椒盐噪声函数（复用）
def add_peppersalt_noise(image, n=10000):result = image.copy()h, w = image.shape[:2]for i in range(n):x = np.random.randint(1, h)y = np.random.randint(1, w)if np.random.randint(0, 2) == 0:result[x, y] = 0else:result[x, y] = 255return result# 2. 打开视频文件
cap = cv2.VideoCapture('picture/test.avi')# 检查视频是否成功打开
if not cap.isOpened():print("无法打开视频文件，请检查路径！")exit()# 3. 逐帧处理
while True:ret, frame = cap.read()if not ret:break# 添加噪声noisy_frame = add_peppersalt_noise(frame, 10000)# 中值滤波去噪（保留边缘，适合椒盐噪声）denoised_frame = cv2.medianBlur(noisy_frame, 3)# 显示三个窗口cv2.imshow('Original Video', frame)cv2.imshow('Noisy Video', noisy_frame)cv2.imshow('Denoised Video', denoised_frame)# 按 'q' 键退出if cv2.waitKey(30) & 0xFF == ord('q'):break# 4. 释放资源
cap.release()
cv2.destroyAllWindows()1. 导入库
import cv2
import numpy as np
- cv2：OpenCV库，用于视频处理、图像滤波等操作
- numpy：用于数值计算，支持高效的数组操作
2. 添加椒盐噪声函数
def add_peppersalt_noise(image, n=10000):result = image.copy()h, w = image.shape[:2]for i in range(n):x = np.random.randint(1, h) # x坐标范围：[1, h-1]（避免边缘）y = np.random.randint(1, w) # y坐标范围：[1, w-1]（避免边缘）if np.random.randint(0, 2) == 0: # 50%概率选择黑白点result[x, y] = 0 # 黑色噪声点（椒盐噪声）else:result[x, y] = 255 # 白色噪声点return result
- 功能：在输入图像上随机添加黑白像素点模拟椒盐噪声
- 参数：
n表示噪声点数量（默认10000个） - 实现细节：
- 通过循环生成随机坐标
(x, y) - 使用
np.random.randint决定该位置是黑色（0）还是白色（255） - 仅修改非边缘像素（避免边界被过度干扰）
- 通过循环生成随机坐标
3. 视频读取与初始化
cap = cv2.VideoCapture('picture/test.avi')
if not cap.isOpened():print("无法打开视频文件，请检查路径！")exit()
- 功能：打开指定路径的视频文件（需确保路径正确）
- 关键点：
- 使用
cv2.VideoCapture加载视频 - 检查视频是否成功打开（
cap.isOpened()）
- 使用
4. 逐帧处理逻辑
while True:ret, frame = cap.read()if not ret: # 视频读取结束break# 添加噪声noisy_frame = add_peppersalt_noise(frame, 10000)# 中值滤波去噪（3x3窗口）denoised_frame = cv2.medianBlur(noisy_frame, 3)# 显示三窗口对比cv2.imshow('Original Video', frame)cv2.imshow('Noisy Video', noisy_frame)cv2.imshow('Denoised Video', denoised_frame)if cv2.waitKey(30) & 0xFF == ord('q'): # 按 'q' 退出break
- 逐帧处理：
- 通过
cap.read()读取视频的每一帧（frame） - 若读取失败（
ret=False），则退出循环
- 通过
- 添加噪声：调用
add_peppersalt_noise函数生成含噪声的帧（noisy_frame） - 中值滤波：使用
cv2.medianBlur(..., 3)对噪声帧进行去噪（3×3窗口）- 原理：将窗口内像素排序后取中间值，保留边缘细节的同时过滤极端值（0或255）
- 显示结果：
- 同时展示原始帧、噪声帧和去噪帧（通过
cv2.imshow） - 按
q键触发break退出循环
- 同时展示原始帧、噪声帧和去噪帧（通过
5. 资源释放
cap.release()
cv2.destroyAllWindows()
- 功能：释放视频资源并关闭所有OpenCV窗口
关键知识点总结
- 椒盐噪声模拟：通过随机位置设置黑白像素点实现
- 中值滤波优势：对椒盐噪声效果显著，能保留边缘信息
- 参数选择：中值滤波核大小为3×3，适用于多数场景；若噪声密集可尝试更大核（如5×5）
- 性能优化：大规模噪声生成时，可改用向量化操作（如
np.random.choice）提高效率
)
