如何使用 numpy 生成具有选定空间分布的噪声？

Question

我想以类似于此的方式为图像添加噪点：

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强烈，离中心越远越弱。

理想情况下，我可以调节噪声的空间分布参数，以便我的 noise 变量包含：

初始化：所有图像上出现强烈且均匀的噪点
早期阶段：中心有强烈噪音，边缘噪音较少
Mid-stages : 中心有噪音，边缘没有更多噪音
后期阶段：所有图像上不再有噪点（全为零）

有人知道怎么做吗？非常感谢任何帮助！

Answer 1

可以作为起点的东西：

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：

此处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（展开）以满足您的需要（可能只是两个列表）。您想要高振幅并尽早传播，然后首先降低传播可能会增加振幅，然后将振幅降低到零。

如何使用 numpy 生成具有选定空间分布的噪声？

How to generate noise with a chosen spatial distribution with numpy?

python

numpy

image-processing

matplotlib

noise