Little_by_little_4 创建一个椒盐噪声的pytorch.transform

Little_by_little_4 创建一个椒盐噪声的pytorch.transform

任务:

为一个图片加上椒盐噪声,创造一个类实现这个功能

源代码

class AddPepperNoise(object):
    """增加椒盐噪声
    Args:
        snr （float）: Signal Noise Rate
        p (float): 概率值，依概率执行该操作
    """
#1
    def __init__(self, snr, p=0.9):
        assert isinstance(snr, float) or (isinstance(p, float))
        self.snr = snr
        self.p = p
#2
    def __call__(self, img):
        """
        Args:
            img (PIL Image): PIL Image
        Returns:
            PIL Image: PIL image.
        """
        if random.uniform(0, 1) < self.p:#概率的判断
            img_ = np.array(img).copy()#转化为numpy的形式
            h, w, c = img_.shape#获取图像的高，宽，channel的数量
            signal_pct = self.snr#设置图像原像素点保存的百分比
            noise_pct = (1 - self.snr)#噪声的百分比
            mask = np.random.choice((0, 1, 2), size=(h, w, 1), p=[signal_pct, noise_pct/2., noise_pct/2.])
            #random.choice的用法：可以从一个int数字或1维array里随机选取内容，并将选取结果放入n维array中返回。
            #size表示要输出的numpy的形状
            mask = np.repeat(mask, c, axis=2)#将mask在最高轴上（2轴）上复制channel次。
            img_[mask == 1] = 255   # 盐噪声
            img_[mask == 2] = 0     # 椒噪声
            return Image.fromarray(img_.astype('uint8')).convert('RGB')#转化成pil_img的形式
        else:
            return img

#1 分析

    def __init__(self, snr, p=0.9):
        assert isinstance(snr, float) or (isinstance(p, float))
        self.snr = snr
        self.p = p

• 初始化一些参数,snr代表保留原像素点的百分比,p代表执行椒盐噪声变化的概率。

#2 分析

    def __call__(self, img):
        """
        Args:
            img (PIL Image): PIL Image
        Returns:
            PIL Image: PIL image.
        """
        if random.uniform(0, 1) < self.p:#概率的判断
            img_ = np.array(img).copy()#转化为numpy的形式
            h, w, c = img_.shape#获取图像的高，宽，channel的数量
            signal_pct = self.snr#设置图像原像素点保存的百分比
            noise_pct = (1 - self.snr)#噪声的百分比
            mask = np.random.choice((0, 1, 2), size=(h, w, 1), p=[signal_pct, noise_pct/2., noise_pct/2.])
            #random.choice的用法：可以从一个int数字或1维array里随机选取内容，并将选取结果放入n维array中返回。
            #size表示要输出的numpy的形状
            #p = 一个一维数组，制定了每个元素被采样的概率，若为默认的None，则a中每个元素被采样的概率相同。
            mask = np.repeat(mask, c, axis=2)#将mask在最高轴上（2轴）上复制channel次。
            img_[mask == 1] = 255   # 盐噪声
            img_[mask == 2] = 0     # 椒噪声
            return Image.fromarray(img_.astype('uint8')).convert('RGB')#转化成pil_img的形式
        else:
            return img

• 为什么要在_call_里面编写？->因为在transform.compose调用函数的时候是这样的。

•         if random.uniform(0, 1) < self.p:#概率的判断
              img_ = np.array(img).copy()#转化为numpy的形式
              h, w, c = img_.shape#获取图像的高，宽，channel的数量
              signal_pct = self.snr#设置图像原像素点保存的百分比
              noise_pct = (1 - self.snr)#噪声的百分比
  

  一些对接收img的一些前处理。

• mask = np.random.choice((0, 1, 2), size=(h, w, 1), p=[signal_pct, noise_pct/2., noise_pct/2.]) 问题：如果要给原图片随机像素点加上黑白噪点，那么如何选取哪些像素点要加噪点？哪些像素点保持原样呢? 一般都是创建一个原图相同维度的mask然后里面随机选点，用这个mask决定原图哪个像素点要变成黑白噪声。主要是关注random.choice的用法

• mask = np.repeat(mask, c, axis=2) 将mask在最高轴上（2轴）上复制channel次。

•  img_[mask == 1] = 255   # 盐噪声
   img_[mask == 2] = 0     # 椒噪声
  

  将原图加上盐噪声和椒噪声