向圖像添加泊松噪聲

Question

我有一些圖像需要添加增量泊松噪聲，以便更徹底地分析它們。 我知道你可以在 MATLAB 中做到這一點，但你如何在 Python 中做到這一點？ 到目前為止，搜索一無所獲。

Answer 1

海爾德的回答是正確的。 我只想補充一個事實，即泊松噪聲不是可加性的，您不能將其添加為高斯噪聲。

取決於您想要實現的目標，這里有一些建議：

• 模擬低光噪聲圖像（如果 PEAK = 1，它會非常嘈雜）

   import numpy as np image = read_image("YOUR_IMAGE") # need a rescale to be more realistic noisy = np.random.poisson(image / 255.0 * PEAK) / PEAK * 255 # noisy image

• 在干凈的圖像上添加一個噪聲層

  import numpy as np image = read_image("YOUR_IMAGE") noisemap = create_noisemap() noisy = image + np.random.poisson(noisemap)

然后，您可以根據需要將結果裁剪為 0 - 255（我使用 PIL，因此我使用 255 而不是 1）。

Answer 2

其實保羅的回答沒有意義。

泊松噪聲取決於信號！ 使用他提供的這些命令，后來添加到圖像中的噪聲與信號無關。

為了使其依賴於信號，您應該將圖像傳遞給 NumPy 的泊松函數：

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

noise_mask = numpy.random.poisson(img)

noisy_img = img + noise_mask

Answer 3

您可以使用skimage.util.random_noise ：

from skimage.util import random_noise

noisy = random_noise(img, mode="poisson")

Answer 4

來自本書第 1 章的第1.4.4項- “泊松分布的高斯近似” ：

對於較大的平均值，泊松分布可以很好地近似為高斯分布，其均值和方差等於泊松隨機變量的均值：

P(μ) ≈ N (μ,μ)

然后，我們可以從正態分布 N (0,1) 生成泊松噪聲，通過 μ 的平方根縮放其標准偏差並將其添加到圖像中，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()))

由於泊松噪聲是信號相關的，當我們增加基礎信號時，噪聲方差也會增加，正如我們在此行配置文件中所見：

單列中的統計輸出：

合成圖像平均值：20.0

合成圖像方差：0.0

噪聲圖像的意思是：19.931120555821597

噪聲圖像方差：19.39456713877459

進一步參考：[ 1 ][ 2 ]

Answer 5

如果您可以使用 numpy/scipy，那么以下內容應該會有所幫助。 我建議您將數組轉換為浮動以進行中間計算，然后轉換回 uint8 以用於輸出/顯示目的。 由於泊松噪聲全部 >=0，您需要決定如何在轉換回 uint8 時處理數組溢出。 您可以根據您的目標進行縮放或截斷。

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...