高斯噪声仿真技术：从均匀分布到docker+jenkins+harbor+gitlab集成

本文主要探讨了高斯分布噪声的仿真，包括均匀分布噪声的生成方法以及高斯分布噪声的近似法和函数变换法。同时，提到了摄像测量学的内涵和发展历史，它是摄影测量学、光学测量和计算机视觉的交叉学科，重点在于通过数字图像处理来获取和分析目标的三维信息。 在信号处理和图像处理领域，噪声是不可忽视的一部分。均匀分布噪声在区间(0,1)可以通过公式(4.5.12)生成，该公式基于rand()随机数产生函数。通过对随机变量序列进行线性变换(4.5.13)，可以得到在任意区间(a, b)上均匀分布的噪声。而高斯分布噪声，常见于实际图像中，可通过近似法和函数变换法生成。近似法利用中心极限定理，将多个独立同分布的随机变量求和，使其近似服从标准正态分布，进而转换为具有特定均值和方差的高斯噪声。 摄像测量学，作为一门综合学科，起源于摄影测量学，随着计算机视觉和数字图像处理的发展，逐渐演变为一种能从数字图像序列中获取三维信息的技术。摄像测量学包括两个核心内容：成像投影关系和图像目标的自动提取与匹配。前者涉及测量学，后者涉及计算机视觉和图像分析。摄像测量的重要特征是对摄像系统的高精度标定，使得普通相机也能用于高精度测量。该学科的历史可以追溯到19世纪摄影术的诞生，随着技术的进步，从模拟摄影测量发展到现在的数字化和自动化测量。 在实际应用中，摄像测量学广泛应用于诸如机器人导航、三维重建、运动分析等领域，通过分析二维图像来恢复三维场景信息，提供了一种非接触、灵活的测量手段。随着深度学习和人工智能的发展，摄像测量学的技术和方法将持续进步，为科学研究和工业应用带来更大的便利。