如何正确地给图像添加高斯噪声

时间 2019-11-09

标签如何正确地图像添加高斯噪声繁體版

原文原文链接

高斯噪声是一个均值为 0 方差为 $\sigma_n^2$ 的正态分布，是一个加性噪声。但要正确地给图片添加高斯噪声，还要取决于程序中读入图片的数据格式。python

若是图片的数据格式为 uint8，也即数据的范围为 [0, 255]，那么直接生成对应方差的噪声，而后加到图片上去。dom

# clean_image uint8 (128, 128)
noise_image = clean_image + np.random.randn(128, 128) * sigma
复制代码

此处 np.random.rand(128, 128) 生成一个均值为 0 方差为 1 的正态分布，而后咱们乘以 $\sigma_n$ ，将方差调整到 $\sigma_n^2$ ，再加到图片上便可。ui

若是图片的数据格式为浮点型，并且数据的范围为 [0, 1]，那么咱们须要对噪声的方差作一些调整，真正加到图片上的噪声方差应该为 $\sigma_{real}^2 = \frac{\sigma_n^2}{255^2}$ ，也即 $\sigma_{real} = \frac{\sigma_n}{255}$ 。spa

# clean_image float32 (128, 128)
noise_image = clean_image + np.random.randn(128, 128) * sigma / 255
复制代码

此处 np.random.rand(128, 128) 生成一个均值为 0 方差为 1 的正态分布，而后咱们乘以 $\sigma_n / 255$ ，将真实方差调整到 $\sigma_n^2$ ，再加到图片上便可。code

在 MATLAB 中，imnoise 会对图片进行处理，将像素值缩放到 [0, 1] 之间，所以咱们在传入方差的时候也必需要先进行调整。cdn

noise_image = imnoise(clean_image, 'gaussian', 0, sigma^2/255^2)
复制代码

有时候，咱们真的须要对知识抱有敬畏之心，任何一个小的知识点都没有那么简单。但若是你在这些小的知识点上犯了小错误，后果倒是不可想象的。千里之堤毁于蚁穴，与君共勉！图片

获取更多精彩，请关注「seniusen」! string