如何量化添加到图像中的噪声量

Question

我正在查看 3D 体积中存在的灰度数据，该数据可以作为 3D numpy 数组导入，值从 -1 到 1。数据是在成像系统上获取的，并描绘了具有更高值和背景的 3D 体积噪声作为随机值。

为了测试一个对齐程序，我目前正在尝试向这个 numpy 数组添加不同级别的噪声。我目前的方法如下：

def RandomNoise():
    """Function to make a numpy array of 100x100x100 of random noise"""
    NoiseArray = np.random.normal(-0.5,0.5,size=(100,100,100))

    return NoiseArray

然后我只需更改值 -0.5 或 0.5 来更改我创建的噪声量。

然后我通过以下方式添加噪音：

Noise = RandomNoise()

Volumewithnoise = (np.clip((Volume + Noise) * (1 - Volume), -1, 1))

虽然这确实使我的图像嘈杂，但我真的不知道如何以任何方式量化我添加的相对于初始图像的噪声量。有谁知道更好的方法吗？

Answer 1

你的函数有错误，其实random.normal是一个高斯噪声函数，不是均匀分布，所以[-0.5, 0.5]不代表噪声在0.5到-0.5之间

你应该把你的函数变成这样

def RandomNoise( magnitude ):
    """Function to make a numpy array of 100x100x100 of random noise"""
    NoiseArray = np.random.normal(0, magnitude ,size=(100,100,100))

    return NoiseArray

正如您在docs 中看到的那样，随机正态分布具有均值和标准差。如果要模拟噪声，均值应为零，标准差等于噪声的大小。

所以这样你就有一个参数来控制噪音量