Гаусский шум, применяемый к изображениям (для моделей шума датчика)

Question

Я применяю немного гауссовского шума на изображение.Я думаю, что этот тип шума наиболее похож на шуму датчика, можно ожидать от мусора (?).

Мой вопрос: для трехканального изображения - это значение шума, применяемое для всех значений каждого пикселя той же I.e.

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

.

Это эффективно меняется яркость пикселя в целом.

или, это отдельное значение шума, приложенное к каждому из каналов в пикселе I.e.

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

.

или, является случайным каналом, выбранным для каждого пикселя и нанесения шума I.e.

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

.

Какой из этих методов наиболее точно моделирует тип шума, который я являюсь после (i.e. Sensor Shall).Я также думаю, что большинство камер не имеют отдельных датчиков канала для каждого пикселя и интерполяции цветовых значений из окружающих пикселей, поэтому, если это тоже так, это влияет на ответ?

Answer 1

Если ваша цель - имитировать шум от настоящего датчика, вы должны начать с изображения с реальной камеры.Снимите фото серого карточки, которая расфокусированная и вычдет среднее значение большого блока вокруг пикселя из самого пиксельного значения - это должно дать вам чистый шум, который вы можете проанализировать.В зависимости от ваших требований, вы можете даже использовать этот сохраненный шум непосредственно, либо путем наложения его или выбирая случайную начальную точку и выгружая через него.