Ruido gaussiano aplicado a las imágenes (para modelar el ruido del sensor)

Question

Estoy aplicando un poco de ruido gaussiano a una imagen.Creo que este tipo de ruido es más similar al ruido del sensor, uno podría esperar de una cámara de basura (?).

Mi pregunta es: para una imagen de 3 canales es el valor de ruido aplicado a todos los valores de cada píxel de la misma manera.

noise = gaussian_value()
pixel = (r+noise, g+noise, b+noise)

Esto está cambiando efectivamente el brillo del píxel en general.

o, es un valor de ruido separado aplicado a cada uno de los canales en el píxel I.e.

r_noise = gaussian_value()
g_noise = gaussian_value()
b_noise = gaussian_value()
pixel = (r+r_noise, g+g_noise, b+b_noise)

O, es un canal aleatorio elegido para cada píxel y ruido aplicado I.E.

noise = gaussian_value()
pixel[randint(0,2)] += noise

El cual de estos métodos modela con más precisión el tipo de ruido que estoy después (es decir, el ruido del sensor).También creo que la mayoría de las cámaras no tienen sensores de canal separados para cada píxel y valores de color interpolan de los píxeles circundantes, por lo que si este es el caso también, ¿afecta la respuesta?

Answer 1

Si su objetivo es simular el ruido de un sensor real, debe comenzar con una imagen de una cámara real.Tome una foto de una tarjeta gris que está desenfocada y resta el valor promedio de un bloque grande alrededor de un píxel del valor del píxel en sí, que debe darle un ruido puro que puede analizar.Dependiendo de sus requisitos, es posible que pueda usar este ruido guardado directamente, ya sea superpondiéndolo o al elegir un punto de inicio aleatorio e incrementarlo a través de él.