在opencv中，可以利用随机噪声、滤波器等方法为图像叠加仿真的雨滴的运动轨迹，使通常情况下拍摄的图像有了烟雨蒙蒙的效果。
1.生成随机噪声
首先，我们需要生成不同密度的随机噪声来模拟不同大小的余量，于是利用了下面的函数来生成。主要的使用了均匀随机数和阈值来控制噪声的水平。由于生成噪声是浮点数，所以在value上乘了尺度缩小因子。
import cv2
import numpy as np
def get_noise(img, value=10):
'''
#生成噪声图像
>>> 输入： img图像
value= 大小控制雨滴的多少
>>> 返回图像大小的模糊噪声图像
'''
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
k = np.array([[0, 0.1, 0],
[0.1, 8, 0.1],
[0, 0.1, 0]])
noise = cv2.filter2D(noise, -1, k)
# 可以输出噪声看看
'''cv2.imshow('img',noise)
cv2.waitKey()
cv2.destroyWindow('img')'''
return noise
原始噪声如如左图，加上了k之后的初次高斯噪声图如右图(可点击放大查看)：
2.生成雨滴模糊噪声
随后，需要对噪声拉长、旋转方向，模拟不同大小和方向的雨水。
def rain_blur(noise, length=10, angle=0,w=1):
'''
将噪声加上运动模糊,模仿雨滴
>>>输入
noise：输入噪声图，shape = img.shape[0:2]
length: 对角矩阵大小，表示雨滴的长度
angle： 倾斜的角度，逆时针为正
w: 雨滴大小
>>>输出带模糊的噪声
'''
#这里由于对角阵自带45度的倾斜，逆时针为正，所以加了-45度的误差，保证开始为正
trans = cv2.getRotationMatrix2D((length/2, length/2), angle-45, 1-length/100.0)
dig = np.diag(np.ones(length)) #生成对焦矩阵
k = cv2.warpAffine(dig, trans, (length, length)) #生成模糊核
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
#k = k / length #是否归一化
blurred = cv2.filter2D(noise, -1, k) #用刚刚得到的旋转后的核，进行滤波
#转换到0-255区间
cv2.normalize(blurred, blurred, 0, 255, cv2.NORM_MINMAX)
blurred = np.array(blurred, dtype=np.uint8)
'''
cv2.imshow('img',blurred)
cv2.waitKey()
cv2.destroyWindow('img')'''
return blurred
旋转不同方向和长度的雨滴效果如下：
3.图像叠加
最后对将生成的雨滴噪声和原始图像叠加即可得到模拟的下雨场景了。
第一种方式是利用逐个通道的像素与生成雨滴噪声进行操作，即在噪声中为黑色的位置，保留原图；有雨滴噪声的位置修改为带权重的雨滴噪声的纹理（赋值为噪声值）:
def alpha_rain(rain,img,beta = 0.8):
#输入雨滴噪声和图像
#beta = 0.8 #results weight
#显示下雨效果
#expand dimensin
#将二维雨噪声扩张为三维单通道
#并与图像合成在一起形成带有alpha通道的4通道图像
rain = np.expand_dims(rain,2)
rain_effect = np.concatenate((img,rain),axis=2) #add alpha channel
rain_result = img.copy() #拷贝一个掩膜
rain = np.array(rain,dtype=np.float32) #数据类型变为浮点数，后面要叠加，防止数组越界要用32位
rain_result[:,:,0]= rain_result[:,:,0] * (255-rain[:,:,0])/255.0 + beta*rain[:,:,0]
rain_result[:,:,1] = rain_result[:,:,1] * (255-rain[:,:,0])/255 + beta*rain[:,:,0]
rain_result[:,:,2] = rain_result[:,:,2] * (255-rain[:,:,0])/255 + beta*rain[:,:,0]
#对每个通道先保留雨滴噪声图对应的黑色（透明）部分，再叠加白色的雨滴噪声部分（有比例因子）
cv2.imshow('rain_effct_result',rain_result)
cv2.waitKey()
cv2.destroyAllWindows()
第二种方式就是利用图像加权的方法，将雨滴图叠加到原图上。由于背景是黑色，所以调整后的图像亮度会下降，在某些场景下更适合雨天的模拟（乌云，光线暗）
def add_rain(rain,img,alpha=0.9):
#输入雨滴噪声和图像
#alpha：原图比例因子
#显示下雨效果
#chage rain into 3-dimenis
#将二维rain噪声扩张为与原图相同的三通道图像
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)
cv2.imshow('rain_effct',result)
cv2.waitKey()
cv2.destroyWindow('rain_effct')
Fun Time
定义好了之前的函数后，就可以开始玩儿了。读入图像后，设置value大小控制雨滴数量，length大小控制雨水水痕长度，angle大小来控制雨下落的角度，w来控制雨点粗细程度。
img = cv2.imread('demo.jpeg')
noise = get_noise(img,value=500)
rain = rain_blur(noise,length=50,angle=-30,w=3)
alpha_rain(rain,img,beta=0.6) #方法一，透明度赋值
#add_rain(rain,img) #方法二,加权后有玻璃外的效果
太阳雨/雪
窗外淅淅沥沥的下雨：
暴雨来了！！！