我想以与此类似的方式向图像添加噪声:
import numpy as np
import matplotlib.pyplot as plt
myImage = plt.imread('Pikachu.png')
noise = np.random.normal(0, 0.1, (myImage.shape[0], myImage.shape[1]))
noisyImage = myImage + noise
但是,我需要图像中心的噪点更加强烈,并且随着离中心越远,噪点就越不强烈。
理想情况下,我可以调节噪声的空间分布参数,以便我的噪声
变量包含:
- 初始化:所有图像上都有强烈且均匀的噪声
- 早期阶段:中心噪声强烈,边缘噪声较少
- 中期:中心有噪音,边缘不再有噪音
- 后期:所有图像上不再有噪声(全为零)
有谁知道有什么办法吗?非常感谢任何帮助!
最佳答案
您可以用作起点的东西:
import numpy as np
import matplotlib.pyplot as plt
def gauss2D(shape,sx=1,sy=1):
"""
unnormalized 2D gauss centered on mean value,
given shape and standard dev (sx and sy).
"""
mx = shape[0]/2
my = shape[1]/2
return np.exp( -0.5*(
((np.arange(shape[0])[:,None]-mx)/sx)**2+
((np.arange(shape[0])[None,:]-my)/sy)**2
))#/(2*np.pi*sx*sy)
width,height = 64,64
my_img = np.zeros((width,height,3))+0.9
fig = plt.figure()
ax = fig.gca()
N=5
for i in range(N):
my_img[:,:,:]=0.5 #gray bg image
w = N*100/(4**(2*i))
A = (1-.1*(i+1))
noise =A*np.random.normal(0,w,(width,height))*gauss2D((width,height),10,10)
plt.imshow(my_img+noise[:,:,None]) #noise affects rgb equally
plt.title(i)
plt.show()
输出:
这里的噪声是从高斯分布中采样的,但均匀分布应该可以正常工作。
重要的部分是通过高斯对噪声进行加权以获得您想要的效果。
您可能需要调整A
(振幅)和w
(扩展)以满足您的需求(可能只是两个列表)。您希望尽早获得高振幅和扩展,然后首先减小扩展(可能会增加振幅),然后将振幅减小到零。
关于python - 如何使用 numpy 生成具有选定空间分布的噪声?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38132250/