用python给一张图片增加高斯噪声的代码

可以使用Python中的OpenCV库来给一张图片增加高斯噪声。下面是一个简单的示例代码：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('example.jpg')

# 获取图片的高和宽
height, width, channels = img.shape

# 生成均值为0，方差为25的高斯噪声
mean = 0
var = 25
sigma = var ** 0.5
gaussian = np.random.normal(mean, sigma, (height, width, channels))

# 将高斯噪声添加到图片上
noisy_image = cv2.add(img, gaussian)

# 显示图片
cv2.imshow('Original image', img)
cv2.imshow('Noisy image', noisy_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先使用OpenCV库读取了一张图片。然后，我们使用Numpy库生成了一个均值为0，方差为25的高斯噪声，并将其添加到原始图片上。最后，我们使用OpenCV库显示了原始图片和添加了高斯噪声的图片。

相关问题

用Python给torch图像加高斯噪声的代码

可以使用torchvision.transforms中的RandomNoise来给torch图像加高斯噪声。以下是示例代码：

import torch
import torchvision.transforms as transforms

# 加载图像
img = torch.randn(3, 224, 224)

# 定义高斯噪声变换
noise_transform = transforms.RandomNoise("gaussian")

# 进行高斯噪声处理
noisy_img = noise_transform(img)

# 查看噪声图像
print(noisy_img)

这样，即可给torch图像加上高斯噪声。

python原始数据中加入高斯噪声代码

可以使用NumPy库中的random模块来生成高斯分布随机数，并将其加入原始数据中。以下是一个示例代码：

import numpy as np

# 原始数据
data = [1, 2, 3, 4, 5]

# 高斯分布的均值和标准差
mu, sigma = 0, 0.1

# 生成随机数并加入原始数据中
noisy_data = [x + np.random.normal(mu, sigma) for x in data]

print("原始数据：", data)
print("添加高斯噪声后的数据：", noisy_data)

在上面的代码中，我们使用了NumPy库中的random.normal()方法来生成高斯分布随机数，其中mu为均值，sigma为标准差。然后将生成的随机数与原始数据相加，得到添加了高斯噪声后的数据。