C++ 在图像OpenCV和C+中添加高斯噪声+；然后去噪？

我试图在图像中加入噪声，然后去噪，看看我的目标检测算法有什么不同。因此，我开发了C++中的OpenCV代码，用于检测图像中的一些对象。我想测试代码的健壮性，所以尝试添加一些噪声。通过这种方式，我们希望检查在向图像添加噪声时，对象检测率是如何变化的。所以，首先添加一些随机高斯噪声，像这样

cv::Mat noise(src.size(),src.type());
 float m = (10,12,34);
 float sigma = (1,5,50);
 cv::randn(noise, m, sigma); //mean and variance
 src += noise;

我得到这张照片：

原件： 吵闹的那个

---

那么，有没有更好的噪音模型？那么如何去噪呢。有去噪算法吗

查看本教程，它可能会对您有所帮助

特别是本部分：

OpenCV提供了该技术的四种变体。

cv2.FastNLMeansDeoising（）-适用于单个灰度图像

cv2.FastNLMeansDeoisingColor（）-用于彩色图像

cv2.fastNlMeansDenoisingMulti（）-适用于捕获的图像序列 短时间内（灰度图像）

cv2.fastNlMeansDenoisingColoredMulti（）-同上，但适用于颜色 图像

常见参数有：

h：决定过滤器强度的参数。较高的h值可消除噪声 更好，但也会删除图像的细节。（10个就可以了）

hForColorComponents：与h相同，但仅适用于彩色图像。（通常 同h）

TemplateWindowsSize:应该是奇数。（建议7）

SearchWindowsSize:应该是奇数。（建议21）

若要向图像添加高斯噪声，此线程可能会有所帮助：

---

OpenCV附带了一个照片包，您可以在其中找到非局部均值去噪算法的实现。文档可在此处找到：

据我所知，它是OpenCV 2.4和OpenCV 3.x中唯一合适的去噪算法

除了randn，我不知道OpenCV中还有其他噪声模型。但是，添加一个自定义函数来实现这一点应该不是问题。在Python中有一些很好的例子（当OpenCV API保持大致相同时，您不应该将它重写到C++）

---

还有一件事我不明白：如果你能产生噪音，如果你已经有了没有噪音的原始图像，为什么还要用一些算法去噪呢？

嗯，我在做飞机门检测。由于该算法应适用于所有天气条件，我假设将有雨或太阳反射或不同光照条件（太阳、黑暗…）的图像。所以，首先我尝试添加一些随机噪声，看看我的检测率是如何下降的。然后我必须应用一些算法去噪图像（意味着去噪来自雨、太阳反射、dak或任何可能出现的噪声）。希望是明确的，现在我不能添加opencv_photo249.lib.Im使用opencv 2.4。我把LIMPOPENVAXIP2413添加到MIWW C++库中。但仍然存在错误..\main.cpp:141:73:error:“FastNLMeansDenoisingColor”未在此范围内声明只是一个小提示：在C++17中，

float m=（10,12,34）计算m到34。