標(biāo)題

• • • • 指數(shù)噪聲

指數(shù)噪聲

指數(shù)噪聲的PDF為
$$P(z)=\{\begin{array}{ll}a{e}^{?az},& z\ge 0\\ 0,& z<0\end{array}\text{\hspace{1em}(5.10)}$$

均值和方差為
$$\bar{z}=\frac{1}{a}\text{\hspace{1em}(5.11)}$$
$${\sigma }^2=\frac{1}{a^2}\text{\hspace{1em}(5.12)}$$

def exponential_pdf(z, a=1):"""create exponential PDF, math $$P(z) = \begin{cases} ae^{-az}, & z\geq 0 \\ 0, & z < 0 \end{cases}$$param: z: input grayscale value of iamgeparam: a: float,"""exp = a * np.exp(-a * z)exp = np.where(z >= 0, exp, 0)return exp

更正下面代碼，如果之前已經(jīng)復(fù)制的，也請(qǐng)更正

def add_exponent_noise(img, scale=1.0):"""add gamma noise for imageparam: img: input image, dtype=uint8param: mean: noise meanparam: sigma: noise sigmareturn: image_out: image with gamma noise"""# image = np.array(img/255, dtype=float) # 這是有錯(cuò)誤的，將得不到正確的結(jié)果，修改如下image = np.array(img, dtype=float)noise = np.random.exponential(scale=scale, size=image.shape)image_out = image + noiseimage_out = np.uint8(normalize(image_out)*255)return image_out # 指數(shù)噪聲 a = 0.5 z = np.linspace(0, 10, 200)z_ = 1 / a sigma = 1 / a**2print(f"z_ -> {z_}, sigma -> {sigma}")exponet = exponential_pdf(z, a=a)plt.figure(figsize=(9, 6)) plt.plot(z, exponet) plt.show() z_ -> 2.0, sigma -> 4.0

# 指數(shù)噪聲 img_ori = cv2.imread("DIP_Figures/DIP3E_Original_Images_CH05/Fig0503 (original_pattern).tif", 0) # img_ori = np.ones((512, 512)) * 128 img_exponent = add_exponent_noise(img_ori, scale=20)plt.figure(figsize=(9, 6)) plt.subplot(121), plt.imshow(img_ori, 'gray', vmin=0, vmax=255), plt.xticks([]), plt.yticks([]) plt.subplot(122), plt.imshow(img_exponent, 'gray', vmin=0, vmax=255), plt.xticks([]), plt.yticks([])plt.tight_layout() plt.show()

hist, bins = np.histogram(img_exponent.flatten(), bins=255, range=[0, 255], density=True) bar = plt.bar(bins[:-1], hist[:])

總結(jié)

以上是生活随笔為你收集整理的第5章 Python 数字图像处理(DIP) - 图像复原与重建4 - 指数噪声的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。