【实例讲解】使用np.random.normal函数对图像进行高斯加噪

已于 2023-01-10 15:32:51 修改
阅读量2k 收藏 4
点赞数 2
分类专栏： Python 文章标签： python opencv numpy
于 2022-12-28 16:01:18 首次发布
信小海
本文链接：https://blog.csdn.net/qq_40968179/article/details/128469320
版权
一、函数介绍

np.random.normal函数可生成一组符合指定均值和标准差的高斯分布的随机数。具体使用方式及参数如下：

np.random.normal(mean, std, size)

其中，mean表示均值，std表示方差，size表示形状，即生成一组形状为size的随机数。该函数的返回值类型为<class ‘numpy.ndarray’>。

二、实例讲解

对图像进行高斯加噪的代码如下：

# 对图像进行高斯加噪
import cv2
import numpy as np

def add_g(img_ndarray
最低0.47元/天 解锁文章
Numpy常用random随机函数汇总
Tan_jianchi的博客
10-06 3077
numpy官方文档(scipy) https://docs.scipy.org/doc/numpy-1.17.0/reference/ 函数名 说明 seed([seed]) 设定随机种子，这样每次生成的随机数会相同 rand(d0,d1,d2.....) 返回数据在[0,1)之间，具有均匀分布 randn(d0,d1,d2....)
正确地为图像添加高斯噪声 - python
howlclat的博客
07-08 3万+
开门见山，直接使用 skimage 库为图像添加高斯噪声是很简单的： import skimage origin = skimage.io.imread("./lena.png") noisy = skimage.util.random_noise(origin, mode='gaussian', var=0.01) 但是如果不用库函数而自己实现的话，有几个问题是值得注意的。 彩图 or 灰度图 读取图片时，图片可能是有三通道的RGB图片，也有可能是单通道的灰度图，甚至四通道的RGBA图。 通道数不同会
np.random一系列(np.random.normal()、np.random.randint、np.random.randn、np.random.rand)
12-21
在使用numpy的时候，我们经常会使用到np.random一系列的有关函数,来创建ndarray 数组。random代表随机的意思，指ndarray中的数是随机数。后面的函数表示随机生成的ndarray需要符合什么样的条件。因为其太多，所以容易弄混淆下面将其常用的几个列出来（后续遇到新的不断增加） 1 np.random.normal()          normal代表的是生成正态分布，正态分布需要知道它的均值和方程。ndarray需要知道数组的大小。使用一共有3个参数。numpy.random.normal(loc=0.0, scale=1.0,size=shape) 参数loc(flo
numpy.random.normal与numpy.random.randn的区别与联系
最新发布
EntropyLee的博客
04-25 733
正态分布标准正态分布。
Python学习之np.random.normal()函数
热门推荐
huanhuan_Coder的博客
06-21 8万+
这是的np是numpy包的缩写，np.random.normal()的意思是一个正态分布，normal这里是正态的意思。 我在看孪生网络的时候看到这样的一个例子：numpy.random.normal(loc=0,scale=1e-2,size=shape) ，意义如下： 参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布， 参数s...
numpy中的np.random.normal()函数
weixin_43597208的博客
09-18 1900
np.random.normal() 是 NumPy 库中用于生成符合正态分布（高斯分布）的随机数的函数。正态分布是一种连续概率分布，其概率密度函数呈钟形曲线，以均值和标准差作为分布的参数。
np.random.normal
m0_58692573的博客
03-15 9115
np.random.normal函数是numpy库中用于生成正态分布(也叫高斯分布)随机数的函数。
np.random.normal()函数
qq_28505705的博客
03-07 3285
np.random.normal()的意思是一个正态分布，normal这里是正态的意思。 numpy.random.normal(loc=0,scale=1.0,size=shape) 参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布， 参数scale(float)：正态分布的标准差，对应分布的宽度，scale越大，正态分布的曲线越...
np.random随机数生成
03-08
对于那些希望基于标准正态（高斯）概率密度函数获得随机抽样的情况来说，应当求助于 `np.random.randn(d0, d1,..., dn)` 或者更通用形式下的 `np.random.normal(loc=0.0, scale=1.0, size=None)` ，它们都可以用来...
#https://pysource.com/2021/10/29/kalman-filter-predict-the-trajectory-of-an-object/ import cv2 import numpy as np import matplotlib.pyplot as plt class KalmanFilter: #实例属性 kf = cv2.KalmanFilter(4, 2) #其值为4，因为状态转移矩阵transitionMatrix有4个维度 #需要观测的维度为2 kf.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float32) #创建测量矩阵 kf.transitionMatrix = np.array([[1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 0.7, 0], [0, 0, 0, 0.7]], np.float32) #创建状态转移矩阵 # 创建一个0-99的一维矩阵 z = [i for i in range(100)] z_watch = np.mat(z) # 创建一个方差为1的高斯噪声，精确到小数点后两位 noise = np.round(np.random.normal(0, 1, 100), 2) noise_mat = np.mat(noise) # 将z的观测值和噪声相加 z_mat = z_watch + noise_mat # 定义x的初始状态，即位置和速度 x_mat = np.mat([[0, ], [0, ]]) y_mat = np.mat([[0, ], [0, ]]) def predict(self, coordX, coordY): #实例方法，自己实现一个predict ''' This function estimates the position of the object''' measured = np.array([[np.float32(coordX)], [np.float32(coordY)]]) self.kf.correct(measured) #结合观测值更新状态值，correct为卡尔曼滤波器自带函数 predicted = self.kf.predict() #调用卡尔曼滤波器自带的预测函数 x, y = int(predicted[0]), int(predicted[1]) #得到预测后的坐标值 # 绘制结果 plt.plot(measured[0], 'k+', label='Measured_x') plt.plot(x, 'b-', label='Kalman Filter_x') #plt.plot(real_state, 'g-', label='Real state') plt.legend(loc='upper left') plt.title('Kalman Filter Results') plt.xlabel('Time (s)') plt.ylabel('Position (m)') plt.show() return x, y predict(self,x_mat,y_mat)优化这段python代码，随机生成x和y并实现对x和y的输入值的预测，并画出图像，实现可视化
05-15
x = x + np.random.normal(0, 10, 100) y = y + np.random.normal(0, 10, 100) # 预测输入值的位置 predicted_x = [] predicted_y = [] for i in range(100): px, py = kf.predict(x[i], y[i]) predicted_x....
Numpy.random随机矩阵：机器学习中的应用实例
[Numpy.random随机矩阵：机器学习中的应用实例](https://www.sharpsightlabs.com/wp-content/uploads/2020/12/numpy-random-rand_simple-visual-example.png) # 1. Numpy.random库概述 ## 简介 Numpy.random是...
大白话系列之np.random.normal()函数
szy525525的博客
03-01 9043
本人没有任何编程基础就开始进行计算机视觉方面的学习，纯小白一个，以后用自己的理解转换成通俗的语言对所接触到的函数进行解释并使用，理解错误可能会很多，希望大家看到错误多多指正，谢谢各位了。 np.random.normal(size,loc,scale) 先来看参数含义： loc：此概率分布的均值（对应着整个分布的中心centre） scale：此概率分布的标准差（对应于分布的宽度，scale越大越...
np.random.normal()
缘 源 园
04-03 3179
np.random.normal(loc=0.0,scale=1.0,size=None) loc：float ​ 此概率分布的均值（对应着整个分布的中心centre） scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高） size：int or tuple of ints 输出的shape，默认为None，只输出一个值 生成均值为1.75，标准差为1的正态分布数据，100000000个 x1 = np.random.no...
np.random.Normal()
somecare的博客
10-27 3460
np.random.normal()正态分布 在numpy计算中，一般会有： np.random.normal(size,loc,scale): loc：float 此概率分布的均值（对应着整个分布的中心centre） scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高） size：int or tuple of ints 输出的shape，...
【numpy】np.random.normal()函数
duanyuchen的博客
09-27 1412
【汇总】numpy里的一些函数 np.random.normal() https://blog.csdn.net/lanchunhui/article/details/50163669 numpy.random.normal(loc, scale, size) loc：float 此概率分布的均值（对应着整个分布的中心centre） scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高） size：int or tuple of ints 输出
python中的np.random.normal
越努力越幸运越幸福
03-12 3万+
一先看伟大的高斯分布（Gaussian Distribution）的概率密度函数（probability density function）： Gaussian Distribution(Normal Distribution)其图形特点为中间高，两头低，是钟形曲线(bell-shaped curve)。在高斯分布中，以数学期望μ表示钟型的中心位置（也即曲线的位置），而标准差（standard d
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

信小海

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值