如何在python中添加更好的噪波？

我试图在最小像素之间添加均匀分布的随机噪声 对于原始图像的每个通道，每个像素的最大像素值的0.1倍

以下是我目前的代码：

[in]：

导入cv2
将numpy作为np导入
将matplotlib.pyplot作为plt导入
#用cv2读取图像
image=cv2.imread（'example_image.jpg'，1）
image\u rgb=cv2.cvt颜色（image，cv2.COLOR\u BGR2RGB）
#显示图像
imshow（图像_rgb）
#R、G、B通道分离
R、 G，B=cv2.分割（图像_rgb）
#制造噪音
噪声=np.随机.均匀（R.最小值（），R.最大值（）*0.1，R.大小）
噪声形状=（256256）
噪声=np.随机性.均匀性（B.最小值（），B.最大值（）*0.1，G.尺寸）
噪声形状=（256256）
噪声=np.随机.均匀（G.最小值（），G.最大值（）*0.1，B.尺寸）
噪音形状=（256256）
#分别向每个通道添加噪声
R=R+噪声
G=G+噪声
B=B+噪声
rgb_噪声=R+G+B
噪声图像=图像+rgb噪声

[out]：

ValueError:操作数无法与形状一起广播（256256,3）（256256）

---

我得到一个值错误，即rgb_噪波和图像的阵列形状不相等。我曾尝试将rgb_噪声的形状更改为图像的形状，但我得到了一个大小错误。如何修复它？有没有更好的方法

您的解决方案有点冗长，可以简化。 然而，你没有得到白噪声的原因是你计算红色通道与其他两个不同

更改此选项：

noise_R = np.random.uniform(R_min,R_max*0.3, image_G.size)

为此：

noise_R = np.random.uniform(R_min,R_max*0.1, image_R.size)

---

您可以简化，只通过numpy数组添加噪波

import numpy
import matplotlib.pyplot as plt
import cv2

看，绘制图像只适用于jupyter笔记本电脑。 对其他IDE执行cv2.imshow（）

1） 有你的形象吗

img = cv2.imread('path').astype(np.uint0)

2） 胡闹

r, g, b = img.shape
noise = np.random.randint(0,255,r*g*b).reshape(r,g,b)

3） 混合它们

image_with_noise = cv2.addWeighted(img,0.5,noise,0.5,0)

您可以调整alpha和beta值的值

---

你有一个嘈杂的图像

只有您可以决定输出是否符合您的要求。虽然您的目标相同，但这是一个完全不同的问题。您现在正在使用另一个库，并且已删除输入/输出信息。细化你的目标是可以的，但是要避免完全改变它。如果你不能处理这个新代码的问题，请考虑恢复原来的问题，并提出一个新的问题。“我知道我会用我的项目的其他代码，这里的代码可能被认为是抄袭，所以我不想冒这个险。真的是我的错，绝对不会再犯同样的错误了！如果是你的代码，就不存在自我剽窃。至于StackOverflow中的其他代码，请参见。哪个部分会在最小像素值和最大像素值的0.1倍之间均匀分布，从而产生随机噪声？@moli这是第二步。。。这只是一个例子，你可以改变你自己的价值观。。。这介于0到0之间255@AAYUHSHAH在“附加权重”部分，你给图像和噪声赋予了一半/一半权重吗？“0”表示的是什么part@moli我在addweighted（）中给出的第五个参数是Gamma参数。gamma本质上就是简单地调整图像的亮度。但从技术上讲，亮度和伽马有点不同。这里我们只需要有噪声的图像。然后，我们不需要伽马，它是0。它是强制参数。