图像处理------添加高斯与泊松噪声

数学基础：

什么是泊松噪声，就是噪声分布符合泊松分布模型。泊松分布(Poisson Di)的公

式如下：

关于泊松分布的详细解释看这里：http://zh.wikipedia.org/wiki/泊松分佈

关于高斯分布与高斯噪声看这里：

http://blog.csdn.net/jia20003/article/details/7181463

 二:程序实现

以前在图像加噪博文中现实的加高斯噪声，比较复杂。是自己完全实现了高斯随

机数的产生，这里主要是利用JAVA的随机数API提供的nextGaussion()方法来得

到高斯随机数。泊松噪声为了简化计算，Google到一位神人完成的C++代码于是

我翻译成Java的。

三：程序效果

滤镜源代码：

[java] view plaincopy

1. package com.gloomyfish.filter.study;  
2.   
3. import java.awt.image.BufferedImage;  
4. import java.util.Random;  
5.   
6. public class NoiseAdditionFilter extends AbstractBufferedImageOp {  
7.     public final static double MEAN_FACTOR = 2.0;  
8.     public final static int POISSON_NOISE_TYPE = 2;  
9.     public final static int GAUSSION_NOISE_TYPE = 1;  
10.     private double _mNoiseFactor = 25;  
11.     private int _mNoiseType = POISSON_NOISE_TYPE;  
12.       
13.     public NoiseAdditionFilter() {  
14.         System.out.println("Adding Poisson/Gaussion Noise");  
15.     }  
16.       
17.     public void setNoise(double power) {  
18.         this._mNoiseFactor = power;  
19.     }  
20.       
21.     public void setNoiseType(int type) {  
22.         this._mNoiseType = type;  
23.     }  
24.       
25.     @Override  
26.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
27.         int width = src.getWidth();  
28.         int height = src.getHeight();  
29.         Random random = new Random();  
30.         if ( dest == null )  
31.             dest = createCompatibleDestImage( src, null );  
32.   
33.         int[] inPixels = new int[width*height];  
34.         int[] outPixels = new int[width*height];  
35.         getRGB( src, 0, 0, width, height, inPixels );  
36.         int index = 0;  
37.         for(int row=0; row<height; row++) {  
38.             int ta = 0, tr = 0, tg = 0, tb = 0;  
39.             for(int col=0; col<width; col++) {  
40.                 index = row * width + col;  
41.                 ta = (inPixels[index] >> 24) & 0xff;  
42.                 tr = (inPixels[index] >> 16) & 0xff;  
43.                 tg = (inPixels[index] >> 8) & 0xff;  
44.                 tb = inPixels[index] & 0xff;  
45.                 if(_mNoiseType == POISSON_NOISE_TYPE) {  
46.                     tr = clamp(addPNoise(tr, random));  
47.                     tg = clamp(addPNoise(tg, random));  
48.                     tb = clamp(addPNoise(tb, random));  
49.                 } else if(_mNoiseType == GAUSSION_NOISE_TYPE) {  
50.                     tr = clamp(addGNoise(tr, random));  
51.                     tg = clamp(addGNoise(tg, random));  
52.                     tb = clamp(addGNoise(tb, random));  
53.                 }  
54.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
55.             }  
56.         }  
57.   
58.         setRGB( dest, 0, 0, width, height, outPixels );  
59.         return dest;  
60.     }  
61.       
62.     private int addGNoise(int tr, Random random) {  
63.         int v, ran;  
64.         boolean inRange = false;  
65.         do {  
66.             ran = (int)Math.round(random.nextGaussian()*_mNoiseFactor);  
67.             v = tr + ran;  
68.             // check whether it is valid single channel value  
69.             inRange = (v>=0 && v<=255);   
70.             if (inRange) tr = v;  
71.         } while (!inRange);  
72.         return tr;   
73.     }  
74.   
75.     public static int clamp(int p) {  
76.         return p > 255 ? 255 : (p < 0 ? 0 : p);  
77.     }  
78.       
79.     private int addPNoise(int pixel, Random random) {  
80.         // init:  
81.         double L = Math.exp(-_mNoiseFactor * MEAN_FACTOR);  
82.         int k = 0;  
83.         double p = 1;  
84.         do {  
85.             k++;  
86.             // Generate uniform random number u in [0,1] and let p ← p × u.  
87.             p *= random.nextDouble();  
88.         } while (p >= L);  
89.         double retValue = Math.max((pixel + (k - 1) / MEAN_FACTOR - _mNoiseFactor), 0);  
90.         return (int)retValue;  
91.     }  
92.   
93. }