本文主要是介绍2.图像作为函数 | Sigma对高斯噪声的影响、应用高斯噪声、图像处理注意事项_9，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
Sigma对高斯噪声的影响
应用高斯噪声
图像处理需注意的地方
好的。 我们说噪音的大小是由sigma决定的。
实际上，我们可以只看噪声函数本身，所以不要添加原始图像，只需看看噪声函数。
Sigma对高斯噪声的影响
噪音是什么意思? 是 0。
非常好！
这意味着一些值是什么? 有些值是正的，有些值是负的。
我们如何看待其中有"+"和"-"的图片？
如果我们说0是黑色的，另1是白色的，或 0是黑色的，255是白色的，我们怎么做呢?
错就错在说0是黑的。
我们要说：看，我们会将一些最小值映射到黑色，将一些最大值映射到白色，然后我们将它们分布在两者之间。
这样的话，0应该是什么颜色的?
你认为零应该是什么颜色，在黑色和白色之间？
宇宙中的黑与白之间是什么？
灰色。
假设我们有值，从负20到正20，在图像中，我们可以使-20变成黑色，+20变成白色，零变成灰色。
如果我们这样做，它看起来就像这样:
所以这里我们向您展示高斯噪声的图像。
只是噪音，所以如果有一个非常小的sigma，你几乎看不到这只是一个不变的灰色。
随着我们让Sigma变得越来越大，你开始看到越来越多的斑点。
这就是效果，它只是一个加到图像上的噪声函数。
应用高斯噪声
给定一个图像，你知道它的大小是图像的大小，你可以生成一个同样大小的噪声图像通过把它传递给randn函数。
该噪声图像中的值通常分布在零附近。 标准偏差为1。
将这些生成的值乘以2时会发生什么？这对分配结果有何影响？
>> noise = randn(size(img)) .*2;正确答案：它只会在x轴延伸：
请注意，我们只是将这些值相乘。
将一组正态分布数乘以一个值，有效地改变了它们所得到的分布的标准差。
现在为什么知道这一点很重要？
请记住，randn函数生成的标准偏差值为1，而我们使用的图像的类型为uint8，范围从0到255。
将randn函数的结果直接添加到图像时，您认为会发生什么？让我们来看看，是时候使用新图像了。
>> img = imread('saturn.png');
>> imshow(img);运行代码，我们得到：
如果你仔细观察，你将能够看到三个卫星和一个阴影。
现在我们生成噪声图像并将其添加到原始图像中。
>> img = imread('saturn.png');
>> imshow(img);
>>
>> noise = randn(size(img));
>> output = img + noise;
>> imshow(output);运行结果：
没什么不同，是吧?
这是因为与图像相比，randn函数生成的值非常小。
让我们把这些值放大。
>> img = imread('saturn.png');
>> imshow(img);
>>
>> noise = randn(size(noise)) .* 25;
>> output = img + noise;
>> imshow(output);运行代码，得到：
我们再增加一点怎么样? .* 50
更多。.* 100
现在很难看到卫星，不是吗？
图像处理需注意的地方
我并没有在上一张图片中说我们的图片会是什么样的范围。
记得我告诉过你一个图像可能会从0到1，从最暗的黑色到最亮的白色。
如果我图像值的范围控制在0到1，我有个Sigma的值是2的话， 你会发现在整个图像得到白色的。
然而，当我回到这里时，Sigma的值为2只是一个小变化。
而Sigma的值为64是一个很大的变化。为什么？
在这个图像中，我们有这样的概念，减去127为黑色，加上128为白色。
当我们根据强度来讨论图像中的噪声量时，它必须与图像整体范围有关。
所以在图像中使用双精度的另一个原因：
把它们看成是从0到1，然后我们可以讨论Sigma，你知道0.1。嗯，这是从黑色到白色的十分之一。
如果你想任意使用0到255这样的图像。你可以这么做：首先，使用0.0到255.0，使用浮点数。
在使用0到1的图像情况下的是0.1，在使用0到255图像是25的。
对，因为我已经把整个都拉长了，所以你必须担心Sigma相对于你的图像的整个范围的大小。
当你去显示图像时，尽力去了解你的图像的数字。因为现在你必须告诉机器，我有这个图像。你想要如何显示它？
Matlab有很多显示图像的方法。如果你有imshow函数，我认为它实际上来自图像处理工具箱。
你可以用这种方式显示它你会告诉它低的值和高的值。它会显示，任何低于黑色的值，任何高于白色的值。
你也可以用imshow给它一个空数组。Matlab会自动为您缩放图像。
还有另一个名为imagesc的功能，用于图像比例。这是一个更老的功能。
它不在图像处理工具箱中，它也会显示它。
不要在如何显示图像和如何使用图像之间纠结。
您只需将其标准化以显示它，而不是为了使用它进行计算。
1 到 9 的文章介绍机器视觉和图像处理相关方法，继续前进，下面还会有更酷的技术值得你学习。
——学会编写自己的代码，才能练出真功夫。
这篇关于2.图像作为函数 | Sigma对高斯噪声的影响、应用高斯噪声、图像处理注意事项_9的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
