图像数据增强 添加高斯噪声

图数据增强是指通过对原始图像进行一系列变换、扭曲、旋转等操作，生成一组新的图像数据集合，用来增加模型的泛化能力和鲁棒性。其中添加高斯噪声是一种常用的数据增强方式之一。

具体来说，高斯噪声是指在图像的像素值上添加服从高斯分布的噪声。在实现上，可以使用 Numpy 库中的 random.normal() 方法，生成均值为 0，方差为指定值的高斯分布随机数，然后将其加到原始图像的每个像素值上。

示例代码如下：

import cv2
import numpy as np

# 读取原始图像
img = cv2.imread('lena.jpg')

# 均值为 0，方差为 50 的高斯分布随机数
noise = np.random.normal(0, 50, img.shape)

# 将随机数加到图像上
noisy_img = img + noise

# 将像素值限制在 0-255 范围内
noisy_img = np.clip(noisy_img, 0, 255).astype(np.uint8)

# 显示结果
cv2.imshow('original', img)
cv2.imshow('noisy', noisy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码中，我们读取了一张 Lena 图像，并生成了均值为 0，方差为 50 的高斯分布随机数，将其加到原始图像上生成了一个带有噪声的图像，并将像素值限制在 0-255 范围内。最后，我们使用 OpenCV 库中的 imshow() 方法展示了原始图像和添加高斯噪声后的图像。