Question

我有一些图像，我需要添加增量的泊松噪声，以便更彻底地分析它们。我知道你可以在MATLAB中做到这一点，但你如何在Python中做到这一点？到目前为止，搜索没有任何结果。

Answer 1

Helder的答案是正确的。我只想补充泊松噪声不是加性的事实，你不能把它作为高斯噪声添加。

取决于你想要达到的目标，这里有一些建议：

模拟低光噪声图像（如果PEAK = 1，则会非常嘈杂）

$(document).ready(function(){
    $("#li1").click(function(){
        $(".dd1").slideToggle("fast");
		$('.dd2').slideUp();
    });
		$("#li2").click(function(){
			$(".dd2").slideToggle("fast");
			$('.dd1').slideUp();
		});
			$('.bgOverlay').click(function () {
			  $('.dd1').slideUp();
			  $('.dd2').slideUp();
			  $('ul').slideUp();
			});	

});


$(document).ready(function(){
    $("#nav-toggle").click(function(){
        $("ul").slideToggle(1);
		$('.dd1').slideUp();
		$('.dd2').slideUp();
    });
});

在干净的图像上添加噪点图层

.navbar {
  position: fixed;
  height: 3em;
  width: 100%;
  background-color: rgba(0,0,0,0.5);
  z-index: 1;
}

.navbar ul {
  position: relative;
  display: none;
  top: 100%;
  right:-20%;
  height: 0;
  list-style: none;
  font-size: 160%;
}

.navbar ul li {
  position: relative;
  width: 60%;
  background-color: rgba(0,0,0,0.5);
  border-top: none;
  text-indent: 10px;
  color: gray;
  border-bottom: 1px solid rgba(254,254,254,0.1);
}

.navbar ul li:hover {
  background-color: rgba(0,0,0,0.6);
}

.navbar ul li a{
  text-decoration: none;
  color: rgba(254,254,254,1);
  font-weight: 100;
}	

.navbar ul ul ul, .navbar ul ul ul li {
  display: none;
}

.navbar ul ul, .navbar ul ul li {
  position: relative;
  font-size: 100%;
  background-color: rgba(0,0,0,0);
}


li:last-child {
  border-radius: 0px 0px 10px 10px;
}

li:first-child {
  border-top: 1px solid rgba(254,254,254,0.3);
}

.dd1 {
  display: none;
  position: relative;
  width: 100%;
  height: 100%;
  z-index: 1;
}

.dd1 li {
  font-size: 100%;
  background-color: rgba(0,0,0,0)
}

.dd2 {
  display: none;
  position: relative;
  width: 100%;
  height: 20%;
  background-color: rgba(0,0,0,0.5);
  z-index: 1;
}

#nav-toggle { 
  position: absolute;
  right: 10px;
  top: 25%; 
}

#nav-toggle {
  cursor: pointer; 
  padding: 10px 35px 16px 0px;
  z-index: 5;
}

#nav-toggle span, #nav-toggle span:before, #nav-toggle span:after {
  cursor: pointer;
  border-radius: 1px;
  height: 3px;
  width: 35px;
  background: rgba(254,254,254,0.9);
  position: absolute;
  display: block;
  content: '';
  opacity: 0.9;
}

#nav-toggle span:before {
  top: -10px; 
}

#nav-toggle span:after {
  bottom: -10px;
}

#nav-toggle span, #nav-toggle span:before, #nav-toggle span:after {
  transition: all 500ms ease-in-out;
}

然后你可以将结果裁剪为0 - 255（如果你喜欢的话）（我使用PIL，所以我使用255而不是1）。

Answer 2

实际上保罗的答案没有意义。

泊松噪声取决于信号！并且使用他提供的那些命令，后来添加到图像中的噪声与信号无关。

为了使信号依赖，你将图像传递给NumPy的泊松函数：

classmethod

Answer 3

您可以使用skimage.util.random_noise：

<mat-form-field>
<mat-label>Value</mat-label>
<input
        type="text"
        localizedNumericInput
        matInput
        autocomplete="off"
        formControlName="value"
      />
</mat-form-field>

Answer 4

此Chapter 1的book的项目 1.4.4-“泊松分布的高斯近似” ：

对于较大的平均值，泊松分布很好地由高斯分布近似，其均值和方差等于泊松随机变量的平均值：

P（μ）≈N（μ，μ）

然后，我们可以从正态分布N（0,1）生成泊松噪声，按μ的平方根缩放其标准偏差，并将其添加到图像中，即μ值：

# Image size
M, N = 1000, 1000

# Generate synthetic image
image = np.tile(np.arange(0,N,dtype='float64'),(M,1)) * 20

# -- sqrt(mu) * normal(0,1) --
poisson_noise = np.sqrt(image) * np.random.normal(0, 1, image.shape)

# Add the noise to the mu values
noisy_image = image + poisson_noise

plt.figure(figsize=(10,10))
plt.subplot(2,2,1)
plt.title('Image')
plt.imshow(image,'gray')
plt.subplot(2,2,2)
plt.title('Noisy image noise')
plt.imshow(noisy_image,'gray')  
plt.subplot(2,2,3)
plt.title('Image profile')
plt.plot(image[0,:])
plt.subplot(2,2,4)
plt.title('Noisy image profile')
plt.plot(noisy_image[0,:])

print("Synthetic image mean: {}".format(image[:,1].mean()))
print("Synthetic image variance: {}".format(image[:,1].var()))    
print("Noisy image mean: {}".format(noisy_image[:,1].mean()))
print("Noisy image variance: {}".format(noisy_image[:,1].var()))

由于泊松噪声是信号相关的，所以随着我们增加基础信号，噪声方差也会增加，如我们在以下行配置文件中看到的：

单列统计信息输出：

合成图像平均值：20.0

合成图像方差：0.0

噪点图像平均值：19.931120555821597

噪声图像差异：19.39456713877459

更多参考文献：[1] [2]

Answer 5

如果您可以使用numpy / scipy，则以下内容应该有所帮助。我建议您将数组转换为float以进行中间计算，然后将其转换回uint8以进行输出/显示。由于泊松噪声都是> = 0，因此在转换为uint8时，需要决定如何处理数组的溢出。您可以缩放或截断，具体取决于您的目标。

filename = 'myimage.png'
imagea = (scipy.misc.imread(filename)).astype(float)

poissonNoise = numpy.random.poisson(imagea).astype(float)

noisyImage = imagea + poissonNoise

#here care must be taken to re cast the result to uint8 if needed or scale to 0-1 etc...

将泊松噪声添加到图像中

5 个答案: