向图像添加泊松噪声

Question

我有一些图像需要添加增量的泊松噪声，以便更彻底地分析它们。我知道你可以在 MATLAB 中做到这一点，但是你如何在 Python 中做到这一点呢？到目前为止，搜索还没有任何结果。

Answer 1

Helder的答案是正确的。我只是想补充一点，泊松噪声不是可加性的，您不能将其添加为高斯噪声。

根据您想要实现的目标，这里有一些建议：

• 模拟低光噪声图像（如果 PEAK = 1，它会非常嘈杂）

  import numpy as np
  image = read_image("YOUR_IMAGE")  # need a rescale to be more realistic
  noisy = np.random.poisson(image / 255.0 * PEAK) / PEAK * 255  # noisy image
  

• 在干净图像上添加噪声层

  import numpy as np
  image = read_image("YOUR_IMAGE") 
  noisemap = create_noisemap() 
  noisy = image + np.random.poisson(noisemap)  
  

然后，如果您愿意，您可以将结果裁剪为 0 - 255（我使用 PIL，所以我使用 255 而不是 1）。

Answer 2

其实Paul的回答没有道理。

泊松噪声与信号相关！使用他提供的这些命令，后来添加到图像中的噪声与信号无关。

要使其与信号相关，您应该将图像传递给 NumPy 的泊松函数：

filename = 'myimage.png'
img = (scipy.misc.imread(filename)).astype(float)

noise_mask = numpy.random.poisson(img)

noisy_img = img + noise_mask

Answer 3

您可以使用

skimage.util.random_noise

：

from skimage.util import random_noise

noisy = random_noise(img, mode="poisson")

Answer 4

来自本本书第1章的第1.4.4 -“泊松分布的高斯近似”：

对于较大的平均值，泊松分布可以很好地

近似于高斯分布，其均值和方差等于泊松随机变量的均值：

P(μ) ≈ N (μ,μ)

然后，我们可以从正态分布 N (0,1) 生成泊松噪声，按 μ 的平方根缩放其标准差，并将其添加到图像中，即 μ 值：

# Image size
M, N = 1000, 1000

# Generate synthetic image
image = np.tile(np.arange(0,N,dtype='float64'),(M,1)) * 20

# -- sqrt(mu) * normal(0,1) --
poisson_noise = np.sqrt(image) * np.random.normal(0, 1, image.shape)

# Add the noise to the mu values
noisy_image = image + poisson_noise

plt.figure(figsize=(10,10))
plt.subplot(2,2,1)
plt.title('Image')
plt.imshow(image,'gray')
plt.subplot(2,2,2)
plt.title('Noisy image noise')
plt.imshow(noisy_image,'gray')  
plt.subplot(2,2,3)
plt.title('Image profile')
plt.plot(image[0,:])
plt.subplot(2,2,4)
plt.title('Noisy image profile')
plt.plot(noisy_image[0,:])

print("Synthetic image mean: {}".format(image[:,1].mean()))
print("Synthetic image variance: {}".format(image[:,1].var()))    
print("Noisy image mean: {}".format(noisy_image[:,1].mean()))
print("Noisy image variance: {}".format(noisy_image[:,1].var()))

由于泊松噪声与信号相关，因此当我们增加基础信号时，噪声方差也会增加，正如我们在此行配置文件中看到的：

单列统计输出：

合成图像平均值：20.0

合成图像方差：0.0

噪声图像平均值：19.931120555821597

噪声图像方差：19.39456713877459

更多参考：[

1][2]

Answer 5

如果您可以使用 numpy/scipy，那么以下内容应该会有所帮助。我建议您将数组转换为 float 以进行中间计算，然后转换回 uint8 以用于输出/显示目的。由于泊松噪声全部 >=0，因此您需要决定在转换回 uint8 时如何处理数组溢出。您可以根据您的目标进行扩展或截断。

filename = 'myimage.png'
imagea = (scipy.misc.imread(filename)).astype(float)

poissonNoise = numpy.random.poisson(imagea).astype(float)

noisyImage = imagea + poissonNoise

#here care must be taken to re cast the result to uint8 if needed or scale to 0-1 etc...