A geração de ruído da imagem depende do tipo de ruído que você deseja simular e do nível de realismo que você precisa. Aqui estão alguns métodos comuns:
1. Geração de números aleatórios: Esta é a abordagem mais fundamental. Você gera números aleatórios dentro de um intervalo especificado e, em seguida, mapeia esses números para os valores de pixels.
*
ruído uniforme: Este é o tipo mais simples. Você gera números aleatórios distribuídos uniformemente entre um valor mínimo e máximo (por exemplo, 0 e 255 para imagens em escala de cinza de 8 bits). Isso resulta em uma aparência manchada. Bibliotecas como Numpy em Python facilitam isso:
`` `Python
importar numpy como np
importar matplotlib.pyplot como pLT
largura, altura =256, 256
ruído =np.random.randint (0, 256, size =(altura, largura), dtype =np.uint8)
plt.imshow (ruído, cmap ='cinza')
plt.show ()
`` `
*
ruído gaussiano (ruído normal): Isso é mais realista, pois simula o tipo de ruído frequentemente encontrado nos sensores de imagem. É baseado em uma distribuição gaussiana (normal). A média determina o brilho médio e o desvio padrão controla a intensidade do ruído. Numpy fornece `np.random.normal`:
`` `Python
importar numpy como np
importar matplotlib.pyplot como pLT
largura, altura =256, 256
média =0
stddev =30 # ajuste para o nível de ruído
ruído =np.random.normal (média, stddev, size =(altura, largura)). ASTYPE (np.uint8)
ruído =np.clip (ruído, 0, 255) Os valores de seguro estão dentro da faixa de 0-255.
plt.imshow (ruído, cmap ='cinza')
plt.show ()
`` `
*
ruído de sal e pimenta: Este tipo apresenta pixels aleatórios em preto e branco. Você pode conseguir isso selecionando aleatoriamente pixels e definindo seus valores como 0 (preto) ou 255 (branco).
`` `Python
importar numpy como np
importar matplotlib.pyplot como pLT
largura, altura =256, 256
Salt_pepper_ratio =0,1 # porcentagem de pixels afetados
ruído =np.random.choice ([0, 255], size =(altura, largura), p =[1-sal_pepper_ratio, salt_pepper_ratio])
plt.imshow (ruído, cmap ='cinza')
plt.show ()
`` `
2. Usando bibliotecas de processamento de imagens: Bibliotecas como OpenCV (CV2 em Python) e Scikit-Image fornecem funções que podem adicionar ruído diretamente às imagens, oferecendo muitas vezes mais controle e eficiência.
3. Ruído de perlin (para texturas processuais): Este é um tipo de ruído de gradiente frequentemente usado para criar texturas de aparência mais natural e menos ruído granular. É mais complexo implementar do zero, mas as bibliotecas podem lidar com isso facilmente.
4. Simulando fontes de ruído específicas: Para simulações muito realistas, pode ser necessário modelar fontes de ruído específicas, como ruído térmico, ruído de tiro ou ruído de quantização. Isso geralmente requer a compreensão dos processos físicos por trás da geração de ruído.
Adicionando ruído a uma imagem existente: Depois de gerar o ruído, você o adiciona à sua imagem original por adição de elemento ou outras operações. Lembre-se de ajustar a escala do seu ruído para evitar o recorte (valores que excedem o intervalo válido, como 0-255 para imagens de 8 bits).
A escolha do método depende do seu aplicativo específico. Para simulações simples, a geração de números aleatórios é suficiente. Para cenários mais avançados ou ruído realista, recomenda -se o uso de bibliotecas de processamento de imagens ou técnicas de geração de ruído mais sofisticadas. Lembre-se de lidar com potenciais valores de pixel fora do alcance depois de adicionar o ruído.
