加雨(雨天数据集制作）

加雨

1、读取图像

• img = cv2.imread('demo.jpg')
  

  

2、根据图像生成随机噪声

• 生成跟图像相同大小的噪声（均匀分布）

  ​

  noise = np.random.uniform(0, 256, img.shape[0:2])
  

  

• 控制噪声水平，取浮点数，只保留最大的一部分作为噪声

  v = value * 0.01
  noise[np.where(noise < (256 - v))] = 0
  

  

• 噪声做初次模糊（高斯滤波）

  k = np.array([[0, 0.1, 0],[0.1, 8, 0.1],[0, 0.1, 0]])
  noise = cv2.filter2D(noise, -1, k)
  

  返回生成的噪声

3、对噪声加运动模糊

根据仿射变换得到模糊核

#获得仿射变化矩阵，由于对角阵自带45度的倾斜，所以减去了45度，三个参数分别表示：中心点的位置，旋转角度，等比例缩放
trans = cv2.getRotationMatrix2D((length/2, length/2), angle-45, 1-length/100.0)
#生成对角矩阵（雨线的长度）
dig = np.diag(np.ones(length))  
#生成模糊核，通过对对角矩阵的仿射变换，得到模糊核，三个参数分别表示为：对角矩阵，仿射变换矩阵，输出的大小
k = cv2.warpAffine(dig, trans, (length, length)) 

对模糊核进行高斯模糊，使得雨有宽度

k = cv2.GaussianBlur(k, (w, w), 0) #高斯模糊这个旋转后的对角核，使得雨有宽度，高斯矩阵为w*w， 0为方差

将噪声与得到的模糊核进行卷积

blurred = cv2.filter2D(noise, -1, k)
cv2.normalize(blurred, blurred, 0, 255, cv2.NORM_MINMAX)
blurred = np.array(blurred, dtype=np.uint8)

方法一、透明度赋值

rain_result = img.copy()
rain_result[:, :, 0] = rain_result[:, :, 0] * (255 - rain[:, :, 0])/255.0 + beta*rain[:, :, 0]
rain_result[:, :, 1] = rain_result[:, :, 1] * (255 - rain[:, :, 0])/255.0 + beta*rain[:, :, 0]
rain_result[:, :, 2] = rain_result[:, :, 2] * (255 - rain[:, :, 0])/255.0 + beta*rain[:, :, 0]

加雨的结果图为：

​

方法二、加权

rain = np.expand_dims(rain, 2)
rain = np.repeat(rain, 3, 2)
#加权合成新图
result = cv2.addWeighted(img, alpha, rain, 1-alpha, 1)

得到的雨天图像

epeat(rain, 3, 2)
#加权合成新图
result = cv2.addWeighted(img, alpha, rain, 1-alpha, 1)

得到的雨天图像![addweight](https://img-blog.csdnimg.cn/img_convert/411ec1e333f24f045893453a6cb0dd40.png)

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！