rumore gaussiano applicato alle immagini (per modellare il rumore del sensore)

Question

Sto applicando un po 'di rumore gaussiano a un'immagine.Penso che questo tipo di rumore sia più simile al rumore del sensore si potrebbe aspettarsi da una fotocamera della spazzatura (?).

La mia domanda è: per un'immagine a 3 canali è il valore del rumore applicato a tutti i valori di ciascun pixel lo stesso I.e.

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

.

Questo cambia efficacemente la luminosità del pixel in generale.

o, è un valore di rumore separato applicato a ciascuno dei canali del pixel 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, è un canale casuale scelto per ogni pixel e rumore applicato I.e.

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

.

Quale di questi metodi modella più accuratamente il tipo di rumore che sono dopo (cioè il rumore del sensore).Penso anche che la maggior parte delle telecamere non abbia sensori di canale separati per ogni pixel e valori di colore interpolati dai pixel circostanti, quindi se questo è il caso, influisce sulla risposta?

Answer 1

Se il tuo obiettivo è quello di simulare il rumore da un sensore reale, dovresti iniziare con un'immagine da una vera fotocamera.Prendi una foto di una carta grigia che è defocusata e sottrarre il valore medio di un grande blocco attorno a un pixel dal valore del pixel stesso - che dovrebbe darti puro rumore che puoi analizzare.A seconda delle esigenze, potresti persino essere in grado di utilizzare direttamente questo rumore salvato, sovrapponendolo o scegliendo un punto di partenza casuale e incrementando attraverso di esso.