numpy.random.poisson可以用来为图像添加泊松噪声吗？

Question

对于一个图像的每个像素，我有它的x（int），y（int）和像素值（浮点数）。

现在我需要为图像添加噪点。是否适合numpy.random.poisson？

我很担心它，因为它不像新的pixle值=原始值+噪音，但像

new pixle value = numpy.random.poisson（原始值，1）。新值都是整数。

我的问题是标题。

我的目的是得到一个恒星的测光测量误差。但我只有一个iamge。所以我通过添加泊松噪声进行模拟。 请检查下面的ccd图像中的数字。来源是红色功能。

Answer 1

这是一个老线程，但我知道答案，所以这里。

答案是肯定的。

imageplusshotnoise = numpy.random.poisson(lam=<noiseless_simulated_image>, size=None)

这将从原始图像的每个像素的泊松分布产生样本图像。泊松分布具有特殊属性，其中均值和方差相等。这意味着，如果平均值为100，那么方差将为100;因此，散粒噪声的标准偏差为10（方差等于标准偏差的平方）。

创建一个numpy图像数组，其中所有值都等于100

>>> myimage = 100 * np.ones((100,100))
>>> np.mean(myimage)
100.0
>>> np.std(myimage)
0.0

请注意，均值为100，标准偏差为0

现在使用此图像作为泊松分布的lambda将从该分布中生成具有相同大小的样本

>>> imageplusnoise = np.random.poisson(lam=myimage, size=None)
>>> imageplusnoise.shape
(100, 100)

样本的均值与lambda具有相同的均值，但标准差将等于方差的sqrt，其在泊松分布中等于均值。

>>> np.mean(imageplusnoise)
100.0474
>>> np.std(imageplusnoise)
10.015934965843179

为了只获得散粒噪声，从中简单地减去lambda，现在平均值将接近零（如果平均值很小，平均噪声将从零开始进一步偏斜），但它总是具有相同的标准偏差。

>>> noiseonlyimage = imageplusnoise - myimage
>>> np.mean(noiseonlyimage)
0.047399999999999998
>>> np.std(noiseonlyimage)
10.015934965843179

这里应该指出，lam参数是泊松分布的期望值，并且是无噪声的。你的起始图像看起来已经有了噪音，所以我首先要通过你的光圈模拟星形响应来获得无噪声的图像，比如使用一些点扩散函数，比如通风盘，sinc函数或类似numpy的输入。 random.poisson函数。