高斯噪声与高斯白噪声
Gaussian Noise vs Gaussian White Noise
高斯噪声与高斯白噪声有何不同？正如我所读，高斯噪声具有正态分布的 PDF。高斯白噪声也有吗？
如何使用 Python 手动（没有内置函数）为图像生成每个噪声？我需要考虑哪些参数？
if each sample has a normal distribution with zero mean, the signal is
said to be Gaussian white noise.
Wikipedia
白噪声 = 具有恒定功率谱密度的噪声。该术语来自光，如果存在所有波长的光，则产生的光是白色的。
高斯噪声 = 服从正态分布的噪声
获得高质量的随机性相当困难，但为了简单的目的，请查看 random，特别是 random.gauss(mu, sigma)
让我们从末尾开始检查短语白高斯噪声。
- 噪音 - 这只说明了用法。与其属性无关。
- Gaussian - 值遵循（提取）Gaussian (Normal) Distribution。
- 白色 - 值不相关。也就是说，您不能从一个样本推断出不同样本的数据（因为在高斯分布中没有相关性 -> 独立性）。也告诉我们自相关函数的功率谱是平坦的（或者自相关本身就是 Delta 函数）。
现在，关于如何生成它们。
基本上大多数随机数生成器生成统一数据，然后对其应用一些转换以生成任何其他想要的分布（有关如何完成的一些想法，请参阅 https://en.wikipedia.org/wiki/Probability_density_function#Dependent_variables_and_change_of_variables）。
要创建非白色数据，您需要在样本之间创建一些线性连接。
即，只需将少量样本与线性权重混合。
这通常是通过对数据应用某种过滤器来完成的。
高斯噪声与高斯白噪声有何不同？正如我所读，高斯噪声具有正态分布的 PDF。高斯白噪声也有吗？
如何使用 Python 手动（没有内置函数）为图像生成每个噪声？我需要考虑哪些参数？
if each sample has a normal distribution with zero mean, the signal is said to be Gaussian white noise. Wikipedia
白噪声 = 具有恒定功率谱密度的噪声。该术语来自光，如果存在所有波长的光，则产生的光是白色的。
高斯噪声 = 服从正态分布的噪声
获得高质量的随机性相当困难，但为了简单的目的，请查看 random，特别是 random.gauss(mu, sigma)
让我们从末尾开始检查短语白高斯噪声。
- 噪音 - 这只说明了用法。与其属性无关。
- Gaussian - 值遵循（提取）Gaussian (Normal) Distribution。
- 白色 - 值不相关。也就是说，您不能从一个样本推断出不同样本的数据（因为在高斯分布中没有相关性 -> 独立性）。也告诉我们自相关函数的功率谱是平坦的（或者自相关本身就是 Delta 函数）。
现在，关于如何生成它们。
基本上大多数随机数生成器生成统一数据，然后对其应用一些转换以生成任何其他想要的分布（有关如何完成的一些想法，请参阅 https://en.wikipedia.org/wiki/Probability_density_function#Dependent_variables_and_change_of_variables）。
要创建非白色数据，您需要在样本之间创建一些线性连接。
即，只需将少量样本与线性权重混合。
这通常是通过对数据应用某种过滤器来完成的。