应用于图像的高斯噪声（用于模拟传感器噪声）

Question

我将一些高斯噪声应用于图像。我认为这种类型的噪音与垃圾相机所能感受到的传感器噪音最相似（？）。

我的问题是：对于一个3通道图像是应用到相同的即

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

这有效地改变整体像素的亮度的每个像素的所有值中的噪声值。

，或者是在像素，即施加到每个信道的单独的噪声值

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

，或者是施加即

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

选择用于每个像素的噪声的随机信道哪其中一种方法可以最准确地模拟我之后的噪音类型（即传感器噪音）。我也认为大多数相机没有为每个像素设置单独的通道传感器，并且从周围的像素中插入颜色值，所以如果情况也如此，是否会影响答案？

Answer 1

如果你的目标是模拟来自真实感应器的噪音，你应该从真实相机的图像开始。拍摄一张离焦模糊的灰色图片，并从像素值本身中减去像素周围大块的平均值 - 这会给您带来纯粹的噪音，您可以对其进行分析。根据你的要求，你甚至可以直接使用这个保存的噪音，或者叠加它，或者通过选择一个随机的起点并通过它递增。