如何用python給數(shù)據(jù)加上高斯噪聲

更新時(shí)間：2023年05月06日 10:20:38 作者：迪普達(dá)克范特西

這篇文章主要介紹了如何用python給數(shù)據(jù)加上高斯噪聲問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教

python給數(shù)據(jù)加上高斯噪聲

一開始用MATLAB給數(shù)據(jù)加噪聲很簡(jiǎn)單，就一句話：

% 給數(shù)據(jù)加指定SNR的高斯噪聲
signal_noise = awgn(signal,SNR,'measured');

但用python實(shí)現(xiàn)加噪聲的時(shí)候遇到一個(gè)小問題，也是由于本人愚鈍的原因吧。

回顧MATLAB中的加高斯噪聲

常用方法：

% 給數(shù)據(jù)加指定SNR的高斯噪聲
signal_noise = awgn(signal,SNR,'measured');
Ps=sum(sum((signal-mean(mean(signal))).^2)); ? ? ?? ? %signal power
Pn=sum(sum((signal-signal_noise).^2)); ? ? ? ? ? ??? ?%noise power
snr=10*log10(Ps/Pn);?? ??? ??? ??? ??? ??? ??? ??? ?%驗(yàn)證所加的噪聲

這里的signal 是一個(gè)二維的數(shù)據(jù)矩陣，所以后面的操作都是矩陣的操作。MATLAB中運(yùn)行完全沒有問題。

Python中利用numpy給數(shù)據(jù)加噪聲

本文方法：

# 給數(shù)據(jù)加指定SNR的高斯噪聲
SNR = 5
noise = np.random.randn(signal.shape[0],signal.shape[1]) ?? ?#產(chǎn)生N(0,1)噪聲數(shù)據(jù)
noise = noise-np.mean(noise) ?? ??? ??? ??? ??? ??? ??? ??? ?#均值為0
signal_power = np.linalg.norm( signal - signal.mean() )**2 / signal.size?? ?#此處是信號(hào)的std**2
noise_variance = signal_power/np.power(10,(SNR/10)) ? ? ? ? #此處是噪聲的std**2
noise = (np.sqrt(noise_variance) / np.std(noise) )*noise ? ?##此處是噪聲的std**2
signal_noise = noise + signal
Ps = ( np.linalg.norm(signal - signal.mean()) )**2 ? ? ? ? ?#signal power
Pn = ( np.linalg.norm(signal - signal_noise ) )**2 ? ? ? ? ?#noise power
snr = 10*np.log10(Ps/Pn)

有很多人在產(chǎn)生給定SNR的高斯噪聲時(shí)，用的是：

signal_power = np.linalg.norm( signal )**2
noise_variance = signal_power/np.power(10,(SNR/10))
noise = np.sqrt(noise_variance)*noise + 0

這里實(shí)際上是有問題的，我一開始也沒發(fā)現(xiàn)。因?yàn)楫a(chǎn)生分布為N(mean,std**2)的噪聲我們用的公式是：

noise = std * N(0,1) + mean

換句話說，我們需要計(jì)算噪聲的std 以及 mean 。

計(jì)算噪聲的 std 時(shí)，需要先計(jì)算信號(hào)的 std，然后利用SNR來(lái)求出噪聲的 std ，從上面的代碼中能發(fā)現(xiàn)，signal_power 代表的是信號(hào)的std^2 與 signal.size 的乘積，多乘了一個(gè)signal.size 那結(jié)果肯定是有問題的。

python批量給圖形添加噪聲

python代碼實(shí)現(xiàn)批量給圖形添加高斯噪聲和椒鹽噪聲

高斯噪聲

import cv2
import os
import numpy as np
def add_noise_Guass(img, mean=0, var=0.01): ?# 添加高斯噪聲
? ? img = np.array(img / 255, dtype=float)
? ? noise = np.random.normal(mean, var ** 0.5, img.shape)
? ? out_img = img + noise
? ? if out_img.min() < 0:
? ? ? ? low_clip = -1
? ? else:
? ? ? ? low_clip = 0
? ? ? ? out_img = np.clip(out_img, low_clip, 1.0)
? ? ? ? out_img = np.uint8(out_img * 255)
? ? return out_img
# 讀取函數(shù)，用來(lái)讀取文件夾中的所有函數(shù)，輸入?yún)?shù)是文件名
def read_directory(directory_name):
? ? for filename in os.listdir(directory_name):
? ? ? ? print(filename) ?# 僅僅是為了測(cè)試
? ? ? ? img = cv2.imread(directory_name + "/" + filename)
? ? ? ? #####顯示圖片#######
? ? ? ? out_img = add_noise_Guass(img)
? ? ? ? cv2.imshow("img", out_img)
? ? ? ? cv2.waitKey(0)
? ? ? ? #####################
? ? ? ? #####保存圖片#########
? ? ? ? cv2.imwrite("C:/Users/Dong.Shao2/Desktop/DataSet/gaussian" + "/" + filename, out_img * 255)
read_directory("C:/Users/Dong.Shao2/Desktop/DataSet/image")#這里傳入所要讀取文件夾的絕對(duì)路徑，加引號(hào)（引號(hào)不能省略?。?/pre>

椒鹽噪聲

import cv2
import random
import os
import numpy as np
def add_salt_pepper(img, prob):
? ? resultImg = np.zeros(img.shape, np.uint8)
? ? thres = 1 - prob
? ? for i in range(img.shape[0]):
? ? ? ? for j in range(img.shape[1]):
? ? ? ? ? ? rdn = random.random()
? ? ? ? ? ? if rdn < prob:
? ? ? ? ? ? ? ? resultImg[i][j] = 0
? ? ? ? ? ? elif rdn > thres:
? ? ? ? ? ? ? ? resultImg[i][j] = 255
? ? ? ? ? ? else:
? ? ? ? ? ? ? ? resultImg[i][j] = img[i][j]
? ? return resultImg
# 讀取函數(shù)，用來(lái)讀取文件夾中的所有函數(shù)，輸入?yún)?shù)是文件名
def read_directory(directory_name):
? ? for filename in os.listdir(directory_name):
? ? ? ? print(filename) ?# 僅僅是為了測(cè)試
? ? ? ? img = cv2.imread(directory_name + "/" + filename)
? ? ? ? #####顯示圖片#######
? ? ? ? out_img = add_salt_pepper(img,0.05)
? ? ? ? cv2.imshow("img", out_img)
? ? ? ? cv2.waitKey(0)
? ? ? ? #####################
? ? ? ? #####保存圖片#########
? ? ? ? cv2.imwrite("C:/Users/Dong.Shao2/Desktop/DataSet/salt_pepper" + "/" + filename, out_img )
read_directory("C:/Users/Dong.Shao2/Desktop/DataSet/image")#這里傳入所要讀取文件夾的絕對(duì)路徑，加引號(hào)（引號(hào)不能省略?。?/pre>

隨機(jī)噪聲

import cv2
import os
import numpy as np
def random_noise(image,noise_num):
? ? '''
? ? 添加隨機(jī)噪點(diǎn)（實(shí)際上就是隨機(jī)在圖像上將像素點(diǎn)的灰度值變?yōu)?55即白色）
? ? param image: 需要加噪的圖片
? ? param noise_num: 添加的噪音點(diǎn)數(shù)目
? ? return: img_noise
? ? '''
? ? # 參數(shù)image：，noise_num：
? ? img_noise = image
? ? # cv2.imshow("src", img)
? ? rows, cols, chn = img_noise.shape
? ? # 加噪聲
? ? for i in range(noise_num):
? ? ? ? x = np.random.randint(0, rows)#隨機(jī)生成指定范圍的整數(shù)
? ? ? ? y = np.random.randint(0, cols)
? ? ? ? img_noise[x, y, :] = 255
? ? return img_noise
# 讀取函數(shù)，用來(lái)讀取文件夾中的所有函數(shù)，輸入?yún)?shù)是文件名
def read_directory(directory_name):
? ? for filename in os.listdir(directory_name):
? ? ? ? print(filename) ?# 僅僅是為了測(cè)試
? ? ? ? img = cv2.imread(directory_name + "/" + filename)
? ? ? ? #####顯示圖片#######
? ? ? ? out_img = random_noise(img,10000)
? ? ? ? cv2.imshow("img", out_img)
? ? ? ? cv2.waitKey(0)
? ? ? ? #####################
? ? ? ? #####保存圖片#########
? ? ? ? cv2.imwrite("C:/Users/Dong.Shao2/Desktop/DataSet/random" ?+ "/" + filename, out_img )
read_directory("C:/Users/Dong.Shao2/Desktop/DataSet/image")#這里傳入所要讀取文件夾的絕對(duì)路徑，加引號(hào)（引號(hào)不能省略?。?/pre>