OpenCV生成随机矩阵---randn与randu

OpenCV中提供了两个函数来生成随机数矩阵，可以用来创建随机图像或是用来人为增加随机噪点

cv2.randn(dst,mean,stddev[,])
cv2.randu(dst,low,high[,])

1.randn函数

        cv2.randn函数主要用来生成随机的正态分布矩阵（高斯函数矩阵），正态分布有两个变量，均值与标准差，通俗的来讲,其中均值决定了对称轴的位置，标准差决定了函数的凹凸程度。（这里就不多深入探讨了）

OK，现在我们来看函数：

cv2.randn(dst,mean,stddev[,])

参数说明：

dst : 输入对象（也是输出对象，会直接将dst对象覆盖掉）（通道数1-4）

mean : 正态分布的均值，注意要匹配输入对象的通道数（举个例子：输入一个3色通道的对象，那么我的mean就该是是一个1*3的标量或者numpy数组，如果是一个单通道的对象，mean就是一个数字）

stddev : 正态分布标准差，同mean参数要匹配输入对象的通道数

ps:附上一段简单的人工制造噪点（模糊图片）的代码：

def create_noise(img):
    noise = np.zeros(image.shape, image.dtype)
    cv2.randn(noise,(15,15,15),(20,20,20))
    dst = cv2.add(image, noise)
    return dst

2.randu函数

        基本用法与randn一致，只是分布改为均匀分布

cv2.randu(dst,low,high[,])

参数说明：

dst : 输入对象（也是输出对象，会直接将dst对象覆盖掉）（通道数1-4）

low: 均匀分布最小值（包括low的），注意要匹配输入对象的通道数

high: 均匀分布最大值（不包括high），同low参数要匹配输入对象的通道数