添加高斯噪声python代码

可以使用NumPy库中的random模块来添加高斯噪声。以下是一个简单的例子：

import numpy as np

# 生成一个长度为100的随机数列
x = np.random.rand(100)

# 添加高斯噪声
mu, sigma = 0, 0.1 # 均值和标准差
noise = np.random.normal(mu, sigma, size=x.shape)
x_noisy = x + noise

# 输出结果
print(x_noisy)

在上面的代码中，我们使用`np.random.normal`函数生成了一个均值为0，标准差为0.1的高斯分布的随机数列，并将其加到原始数列`x`上，得到了带有高斯噪声的数列`x_noisy`。

相关问题

高斯噪声python代码

以下是一个简单的高斯噪声生成的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 设置均值和标准差
mu = 0
sigma = 1

# 生成高斯噪声
noise = np.random.normal(mu, sigma, 1000)

# 绘制直方图
plt.hist(noise, bins=50, density=True, alpha=0.7)
plt.xlabel('Value')
plt.ylabel('Density')
plt.title('Gaussian Noise')
plt.show()

该代码使用NumPy库生成了1000个服从均值为0、标准差为1的高斯分布的随机数，并使用Matplotlib库绘制了生成的高斯噪声的直方图。你可以根据需要调整均值和标准差的值，以获得不同分布特征的高斯噪声。

给图片同时添加高斯噪声和椒盐噪声python代码

下面是使用Python代码同时添加高斯噪声和椒盐噪声的示例：

import numpy as np
import cv2

def add_noise(image):
    # 添加高斯噪声
    mean = 0
    var = 0.1
    sigma = var ** 0.5
    gauss = np.random.normal(mean, sigma, image.shape)
    gauss = gauss.reshape(image.shape)
    noisy_image = image + gauss
    
    # 添加椒盐噪声
    s_vs_p = 0.5
    amount = 0.004
    out = np.copy(noisy_image)
    # 添加盐噪声
    num_salt = np.ceil(amount * image.size * s_vs_p)
    coords = [np.random.randint(0, i - 1, int(num_salt))
              for i in image.shape]
    out[coords] = 1
    
    # 添加椒噪声
    num_pepper = np.ceil(amount * image.size * (1. - s_vs_p))
    coords = [np.random.randint(0, i - 1, int(num_pepper))
              for i in image.shape]
    out[coords] = 0
    
    return out

# 读入一张图片
img = cv2.imread('test.jpg')

# 添加高斯噪声和椒盐噪声
noisy_image = add_noise(img)

# 显示原始图片和添加噪声后的图片
cv2.imshow('Original Image', img)
cv2.imshow('Noisy Image', noisy_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码使用了numpy和OpenCV库来实现添加高斯噪声和椒盐噪声。其中，高斯噪声的方差为0.1，椒盐噪声的比例为50%，噪声强度为0.4%。可以根据需要调整这些参数来控制噪声的强度和类型。