数据增强添加高斯噪声代码

以下是添加高斯噪声的代码示例：

import numpy as np

def add_gaussian_noise(image, mean=0, std=1):
    """
    给图像添加高斯噪声
    :param image: 输入图像
    :param mean: 噪声均值
    :param std: 噪声标准差
    :return: 添加噪声后的图像
    """
    noise = np.random.normal(mean, std, image.shape)
    noisy_image = image + noise
    return noisy_image

这个函数接受一个图像作为输入，然后给图像添加高斯噪声。可以通过调整 `mean` 和 `std` 参数来控制噪声的强度。

相关问题

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。

利用python为图像添加高斯噪声

Python是一种功能强大的编程语言，用于图像处理和数字信号处理，使用Python添加噪声是一个相对简单的过程。高斯噪声是一种广泛使用的噪声类型，可用于模拟自然环境中的噪声。

以下是添加高斯噪声的过程：

1.导入所需库——numpy和opencv

2.读取图像——用OpenCV的imread函数或其他适当函数来读取图像

3.创建高斯分布——用numpy的random函数生成高斯分布

4.将高斯噪声添加到图像

5.显示和保存图像——用OpenCV的imshow函数显示图像，用imwrite函数保存图像。

具体步骤如下：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')
# 添加高斯噪声
mean = 0
var = 1
sigma = var ** 0.5
gauss = np.random.normal(mean, sigma, img.shape)
gauss = gauss.reshape(img.shape[0], img.shape[1], img.shape[2]).astype('uint8')
img_gauss = cv2.add(img, gauss)
# 显示噪声图像
cv2.imshow('Gaussian Noise', gauss)
# 显示添加噪声后的图像
cv2.imshow('Gaussian Noise Applied', img_gauss)
# 保存添加噪声后的图像
cv2.imwrite('image_gauss.jpg', img_gauss)
# 等待按键退出窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在此示例中，高斯噪声具有平均值为0，方差为1，然后将其重塑为与原始图像相同的大小和数据类型，并将其添加到原始图像中。这生成了添加高斯噪声后的图像。最后，该程序将噪声图像和添加噪声后的图像显示在OpenCV窗口中，并将添加噪声后的图像保存到磁盘上。

综上所述，使用Python添加高斯噪声是相对容易的，需要的只是导入需要的库和几行简单的代码即可完成。添加噪声可用于许多实际应用中，例如图像增强和图像识别。